GenomicRanges 修改 GTF 文件学习笔记

01. 全部代码

r 复制代码

# 导入所需的 R 包
library(GenomicRanges)
library(rtracklayer)

# 读取 GTF 文件
gtf_file <- "xxx.gtf"
gtf_grange <- rtracklayer::import(gtf_file)

# 查看原始 seqnames 和 seqlevels
head(seqnames(gtf_grange))  # 查看前几行的染色体名称
seqlevels(gtf_grange)  # 查看允许的染色体名称

# 假设你要将 "Chr" 改为 "B73_Chr"，确保新的名称是有效的
# 获取现有的 seqlevels
existing_seqlevels <- seqlevels(gtf_grange)

# 修改 seqlevels，确保修改后的名称存在于 seqlevels 中
new_seqlevels <- gsub("^Chr", "B73_Chr", existing_seqlevels)

# 将新的 seqlevels 分配给 GRanges 对象
seqlevels(gtf_grange) <- new_seqlevels

# 更新 seqnames
seqnames(gtf_grange) <- gsub("^Chr", "B73_Chr", seqnames(gtf_grange))

# 查看修改后的结果
head(seqnames(gtf_grange))

# 保存修改后的 GTF 文件
output_file <- "modified_Zm-B73.gtf"
rtracklayer::export(gtf_grange, con = output_file)

# 查看保存后的数据
head(rtracklayer::import(output_file))

################################################
################################################
################################################
合并gtf文件
# 加载GenomicRanges包
library(GenomicRanges)
library(rtracklayer)
# 读取两个GTF文件
gtf_a_v2 <- rtracklayer::import("/public/work/Project/Single_cell/project_yyr/puli_maize/00.ref/modify_ref/RNA/Mo17/a.gtf")
gtf_b73 <- rtracklayer::import("/public/work/Project/Single_cell/project_yyr/puli_maize/00.ref/modify_ref/RNA/B73/Zm-B73-REFERENCE-GRAMENE-4.0_Zm00001d.2_v3.gtf")

# 给a_v2.gtf的染色体名称加上Mo17_前缀
new_seqlevels <- gsub("^chr", "Mo17_chr", seqlevels(gtf_a_v2))
seqlevels(gtf_a_v2) <- new_seqlevels
seqnames(gtf_a_v2) <- gsub("^chr", "Mo17_chr", seqnames(gtf_a_v2))
###合并
combined_gtf <- c(gtf_a_v2, gtf_b73)
export(combined_gtf, "/public/work/Project/Single_cell/project_yyr/puli_maize/00.ref/modify_ref/RNA/F1/combined_gtf.gtf")


head(combined_gtf)

02. 代码解读

导入必要的包：
r 复制代码
```
library(GenomicRanges)
library(rtracklayer)
```
这些包提供了对基因组范围数据的操作和与 GTF 文件的读写功能。
读取 GTF 文件：
r 复制代码
```
gtf_grange <- rtracklayer::import(gtf_file)
```
通过 rtracklayer::import 函数读取 GTF 文件，并将其转换为 GRanges 对象。GRanges 是用于表示基因组数据的一个类，可以存储染色体、位置、基因、注释等信息。
查看原始染色体名称：
r 复制代码
```
head(seqnames(gtf_grange))  # 查看前几行的染色体名称
seqlevels(gtf_grange)  # 查看允许的染色体名称
```
- seqnames(gtf_grange)：获取 GTF 文件中所有基因组元素（如基因、转录本等）的染色体名称。
- seqlevels(gtf_grange)：返回 GRanges 对象中所有允许的染色体名称（即该数据集中可能出现的染色体名称的"级别"）。
修改染色体前缀：
r 复制代码
```
existing_seqlevels <- seqlevels(gtf_grange)
new_seqlevels <- gsub("^Chr", "B73_Chr", existing_seqlevels)
seqlevels(gtf_grange) <- new_seqlevels
seqnames(gtf_grange) <- gsub("^Chr", "B73_Chr", seqnames(gtf_grange))
```
- gsub("^Chr", "B73_Chr", existing_seqlevels) ：将原本的 Chr 前缀替换为 B73_Chr，确保新的染色体名称符合要求。
- seqlevels(gtf_grange) <- new_seqlevels ：将更新后的染色体级别（new_seqlevels）应用到 GRanges 对象。
- seqnames(gtf_grange) <- gsub("^Chr", "B73_Chr", seqnames(gtf_grange)) ：更新数据中的染色体名称，确保它们与新的 seqlevels 匹配。
保存修改后的 GTF 文件：
r 复制代码
```
rtracklayer::export(gtf_grange, con = output_file)
```
将修改后的 GRanges 对象导出为新的 GTF 文件。

03. 延伸：如何使用 `GRanges` 的常用用法

GRanges 是一个非常强大的 R 类，用于表示基因组范围的数据，通常用于处理基因组注释文件（如 GTF、BED 文件等）。以下是一些常用的操作方法：

创建 GRanges 对象：
r 复制代码
```
gr <- GRanges(seqnames = Rle(c("chr1", "chr2", "chr3")),
              ranges = IRanges(start = c(1, 101, 201), end = c(50, 150, 250)))
```
GRanges 对象是由染色体名称 (seqnames)、位置范围 (ranges) 和其他属性（如基因名、注释等）组成。
筛选 GRanges 对象中的数据：
r 复制代码
```
gr_subset <- gr[gr$seqnames == "chr1"]
```
可以通过条件筛选来提取感兴趣的基因组区域。

提取 GRanges 中的特定信息：

r 复制代码

seqnames(gr)  # 获取染色体名称
start(gr)     # 获取起始位置
end(gr)       # 获取结束位置
width(gr)     # 获取宽度

合并 GRanges 对象：
r 复制代码
```
gr_merged <- reduce(gr)
```
reduce 函数将重叠的基因组区域合并为一个更大的区域。

进行基因组范围的操作（如找交集、并集、差集等）：

r 复制代码

gr1 <- GRanges(seqnames = "chr1", ranges = IRanges(start = 1, end = 100))
gr2 <- GRanges(seqnames = "chr1", ranges = IRanges(start = 50, end = 150))

# 交集
gr_intersection <- intersect(gr1, gr2)

# 并集
gr_union <- union(gr1, gr2)

# 差集
gr_difference <- setdiff(gr1, gr2)

按顺序排列 GRanges 对象：
r 复制代码
```
gr_sorted <- sort(gr)
```
将 GRanges 转换为数据框：
r 复制代码
```
gr_df <- as.data.frame(gr)
```
导入和导出其他格式的数据 ：
GRanges 对象可以轻松导入和导出为多种格式，例如 GTF、BED 和 VCF 格式。
r 复制代码
```
rtracklayer::export(gr, con = "output.gtf")
gr_imported <- rtracklayer::import("input.gtf")
```

总结

修改染色体前缀 ：使用 GenomicRanges 和 rtracklayer 包，我们可以方便地加载、操作和保存基因组注释文件（如 GTF 文件）。
GRanges 类的强大功能 ：GRanges 提供了丰富的操作方法，可以用于处理基因组范围数据、筛选感兴趣的区域、进行范围运算等。

GenomicRanges 修改 GTF 文件学习笔记

01. 全部代码

02. 代码解读

03. 延伸：如何使用 GRanges 的常用用法

总结

03. 延伸：如何使用 `GRanges` 的常用用法