从果子老师的从TCGA数据中提取lncRNA并进行下游分析一文中，我学到了如何从TCGA表达谱数据中提取RNA。老师的教程已经写的很详细了，我再补充一点：如何下载GTF注视文件呢？打开终端wegt -m ftp://ftp./pub/release-90/gtf/homo_sapiens/ 然而，一个bug卡了我一天，这都怪我没学好分子生物学。本科是学林学的，整天在林子里拈花惹草，硕士莫名进了一个癌生物学湿实验室，又莫名的成为全实验室唯一一个做生信的人。研一把课全翘了留在实验室写代码，偶尔去上课就捧着Mac air躲在班级最后一排鬼鬼祟祟，我室友后来说发白光的小苹果像是在嘲笑老师。 GTF注释文件如下：提取mRNA:mRNA_exprSet<- gtf_df %>% dplyr::filter(type=='gene',gene_biotype=='protein_coding') type是基因，gene_biotype是蛋白质编码基因，这没毛病 提取lncRNA:ncRNA <><- gtf_df %>% dplyr::filter(type=='transcript',transcript_biotype %in% ncRNA) 这时将type设为transcript，果子老师在原文中解释说，有一部分编码基因，转录成非编码RNA了，“一个编码基因也有可能转录出非编码基因的，对么?” 这句话我拿去问师兄们，他们一致说，怎么可能。 编码基因(protein_coding gene)在转录时，外显子重新编码到一起，就算有可变剪切体，也是编码出多种蛋白质，怎么可能转录出非编码RNA呢？ 为了验证蛋白质编码基因能否转录出非编码RNA，我将代码改为 ncRNA <><- gtf_df %>% dplyr::filter(type=='transcript', gene_biotype='protein_coding',transcript_biotype %in% ncRNA) type=='transcript' 说明我要的是转录本 标红处可以看出，蛋白质编码基因，对应着的转录本类型有且只有processed_transcript 那processed_transcript又是什么呢？百度肯定不会告诉我们答案，呵，百度，你对力量一无所知。
可见，processed_transcript不含ORF，包含LncRNA, ncRNA和unclassified processed transcript。由于transcript_biotype中已经含有'sense_overlapping', 'lincRNA', '3prime_overlapping_ncRNA'等很多种，所以我推测， 此处的processed_transcript就是未分类的转录本。 因此果子老师的那句话是对的，至少GTF告诉我们，一个编码基因也有可能转录出非编码基因的。 由于我的分子生物学底子非常弱，还请各位前辈多多指教。 那么，如果想从TCGA里提lncRNA，不要蛋白质编码基因转录出来的该怎么写 LncRNA_exprSet<- gtf_df %>% dplyr::filter(type=='transcript',gene_biotype!='protein_coding', transcript_biotype %in% ncRNA) %>% dplyr::select(c(gene_name,gene_id,transcript_biotype)) %>% dplyr::distinct()mRNA_exprSet<- gtf_df %>% dplyr::filter(type=='gene',gene_biotype=='protein_coding') %>% dplyr::select(c(gene_name,gene_id,gene_biotype))
小礼物走一走，来简书关注我
|
|
|
