Bioconductor包chimeraviz嵌合RNA可视化

高通量RNA测序已经能够更高效地检测融合转录本，但是融合检测的技术和相关软件通常产生高错误发现率。而一个自动整合RNA数据和已知基因组特征的可视化框架对于结果的检验是有帮助的。2017年发布的一个bioconductor包，chimeraviz就可以做到自动创建嵌合RNA可视化。

支持来自9种不同融合发现工具（deFuse、EricScript、InFusion、JAFFA、FusionCatcher、FusionMap、PRADA、SOAPfuse和STAR-FUSION）的输入。

官网教程

直接在bioconductor可以看到详细说明：https://bioconductor.org/packages/release/bioc/html/chimeraviz.html | HTML | R Script |

下载安装好该R包后，自带一系列的融合基因可视化的测试数据，文件如下：

1.  1.1K Oct 16 22:36 5267readsAligned.bam

2.   96B Oct 16 22:36 5267readsAligned.bam.bai

3.   22K Oct 16 22:36 FusionMap_01_TestDataset_InputFastq.FusionReport.txt

4.   37K Oct 16 22:36 Homo_sapiens.GRCh37.74.sqlite

5.   68K Oct 16 22:36 Homo_sapiens.GRCh37.74_subset.gtf

6.  1.9K Oct 16 22:36 PRADA.acc.fusion.fq.TAF.tsv

7.   32K Oct 16 22:36 UCSC.HG19.Human.CytoBandIdeogram.txt

8.   32K Oct 16 22:36 UCSC.HG38.Human.CytoBandIdeogram.txt

9.   16K Oct 16 22:36 defuse_833ke_results.filtered.tsv

10.  4.6K Oct 16 22:36 ericscript_SRR1657556.results.total.tsv

11.  1.7M Oct 16 22:36 fusion5267and11759reads.bam

12.   57K Oct 16 22:36 fusion5267and11759reads.bam.bai

13.  4.1K Oct 16 22:36 fusioncatcher_833ke_final-list-candidate-fusion-genes.txt

14.  2.1K Oct 16 22:36 infusion_fusions.txt

15.  4.3K Oct 16 22:36 jaffa_results.csv

16.  2.6K Oct 16 22:36 reads.1.fq

17.  2.6K Oct 16 22:36 reads.2.fq

18.  1.0K Oct 16 22:36 reads_supporting_defuse_fusion_5267.1.fq

19.  1.0K Oct 16 22:36 reads_supporting_defuse_fusion_5267.2.fq

20.  3.3K Oct 16 22:36 soapfuse_833ke_final.Fusion.specific.for.genes

21.  2.0K Oct 16 22:36 star-fusion.fusion_candidates.final.abridged.txt

可以看到，所支持的9种融合基因检测工具的示例结果都在这里了，比如我最喜欢的star-fusion的结果节选如下：

1. #FusionName    JunctionReadCount   SpanningFragCount   SpliceType  LeftGene    LeftBreakpoint  RightGene   RightBreakpoint

2. THRA--AC090627.1    27  93  ONLY_REF_SPLICE THRA^ENSG00000126351.8  chr17:38243106:+    AC090627.1^ENSG00000235300.3    chr17:46371709:+

3. THRA--AC090627.1    5   93  ONLY_REF_SPLICE THRA^ENSG00000126351.8  chr17:38243106:+    AC090627.1^ENSG00000235300.3    chr17:46384693:+

4. ACACA--STAC2    12  51  ONLY_REF_SPLICE ACACA^ENSG00000132142.15    chr17:35479453:-    STAC2^ENSG00000141750.6 chr17:37374426:-

5. RPS6KB1--SNF8    10  43  ONLY_REF_SPLICE RPS6KB1^ENSG00000108443.9   chr17:57970686:+    SNF8^ENSG00000159210.5  chr17:47021337:-

6. TOB1--SYNRG    8   30  ONLY_REF_SPLICE TOB1^ENSG00000141232.4  chr17:48943419:-    SYNRG^ENSG00000006114.11    chr17:35880751:-

7. VAPB--IKZF3    4   46  ONLY_REF_SPLICE VAPB^ENSG00000124164.11 chr20:56964573:+    IKZF3^ENSG00000161405.12    chr17:37934020:-

8. ZMYND8--CEP250    2   44  ONLY_REF_SPLICE ZMYND8^ENSG00000101040.15   chr20:45852970:-    CEP250^ENSG00000126001.11   chr20:34078463:+

9. AHCTF1--NAAA    3   38  ONLY_REF_SPLICE AHCTF1^ENSG00000153207.10   chr1:247094880:-    NAAA^ENSG00000138744.10 chr4:76846964:-

10. VAPB--IKZF3    1   46  ONLY_REF_SPLICE VAPB^ENSG00000124164.11 chr20:56964573:+    IKZF3^ENSG00000161405.12    chr17:37944627:-

11. VAPB--IKZF3    1   46  ONLY_REF_SPLICE VAPB^ENSG00000124164.11 chr20:56964573:+    IKZF3^ENSG00000161405.12    chr17:37922746:-

12. STX16--RAE1    4   33  ONLY_REF_SPLICE STX16^ENSG00000124222.17    chr20:57227143:+    RAE1^ENSG00000101146.8  chr20:55929088:+

这些结果文件导入R里面统一用import系列函数，比如：

1. library(chimeraviz)

2. # Get reference to results file from deFuse

3. defuse833ke <- system.file(

4.  "extdata",

5.  "defuse_833ke_results.filtered.tsv",

6.  package="chimeraviz")

7. # Load the results file into a list of fusion objects

8. fusions <- importDefuse(defuse833ke, "hg19")

9. ## ---- message = FALSE------------------------------------------------------

10. length(fusions)

基因组全局可视化

1. soapfuse833ke <- system.file(

2.  "extdata",

3.  "soapfuse_833ke_final.Fusion.specific.for.genes",

4.  package = "chimeraviz")

5. fusions <- importSoapfuse(soapfuse833ke, "hg38", 10)

6. # Plot!

7. plotCircle(fusions)

主要是一个环形图，如下：

融合基因全基因组可视化

红色条带-染色体内融合，蓝色条带-染色体间融合。

单独可视化某个融合事件

1. if(!exists("defuse833ke"))

2.  defuse833ke <- system.file(

3.    "extdata",

4.    "defuse_833ke_results.filtered.tsv",

5.    package = "chimeraviz")

6. fusions <- importDefuse(defuse833ke, "hg19", 1)

7. # Choose a fusion object

8. fusion <- getFusionById(fusions, 5267)

9. # Load edb

10. if(!exists("edbSqliteFile"))

11.  edbSqliteFile <- system.file(

12.    "extdata",

13.    "Homo_sapiens.GRCh37.74.sqlite",

14.    package="chimeraviz")

15. edb <- ensembldb::EnsDb(edbSqliteFile)

16. # bamfile with reads in the regions of this fusion event

17. if(!exists("fusion5267and11759reads"))

18.  fusion5267and11759reads <- system.file(

19.    "extdata",

20.    "fusion5267and11759reads.bam",

21.    package = "chimeraviz")

22. # Plot!

23. plotFusion(

24.  fusion = fusion,

25.  bamfile = fusion5267and11759reads,

26.  edb = edb,

27.  nonUCSC = TRUE)

28. ## ---- echo = FALSE, message = FALSE, fig.height = 5, fig.width = 10, dev='png'----

29. # Plot!

30. plotFusion(

31.  fusion = fusion,

32.  bamfile = bamfile5267,

33.  edb = edb,

34.  nonUCSC = TRUE,

35.  reduceTranscripts = TRUE)

这个可视化比较复杂一点，需要融合基因的事件详情，包含两个融合基因的bam片段文件，以及参考基因组的数据库信息。

然后有两种展现方式，一种是基于转录本的融合情况，一种是基于基因的。

RCC1-HENMT1融合例子

顶部：显示融合的染色体位置。

支持断裂点（红色曲线）的discordant reads数10（其中split的6，spanning的4），注释的转录本及read数图。