跟着 Cell Reports 学做图-CLIP-seq 数据可视化

点击上方，关注老俊俊！

1引言

承接上一篇推文,使用写的函数来复现一篇文章的结果。

文章标题:

HITS-CLIP and Integrative Modeling Define the Rbfox Splicing-Regulatory Network Linked to Brain Development and Autism

一篇关于 HITS-CLIP-seq 的文章,揭示了 Rbfox2 这个 RBP(RNA Binding Protein) 调控剪接的机制。

原理:

• 通过 紫外交联 RBP 于 RNA 序列的结合,然后通过 蛋白酶的消化 获取结合的 RNA 序列,这样处理过的序列在后面反转 cDNA 序列时会引起序列的 突变 或者 截断 。
• 后面数据分析则是 寻找这些突变或者截断的位点 来准确识别 RBP 所结合的基序及位置,从而达到单碱基分辨率的效果。

复现图如下:

图注:

2计算相对距离

计算 RBFOX2 的 motif 的 depletion/truncation 相对距离,详见上篇推文:

import re
import pandas as pd
from collections import Counter
import seaborn as sns
import matplotlib.pyplot as plt
from pyfaidx import Fasta

定义函数:

def GetPeaksFa(peak,genomefie,outfasta,type='bed',a=0,b=0,minlen=5):
    # load geneome
    genome = Fasta(genomefie)
    outfa = open(outfasta,'w')
    # process peaks file
    with open(peak,'r') as bed:
        for line in bed:
            fields = line.replace('\n','').split()
            chr = fields[0]
            strand = fields[5]
            start = int(fields[1])
            end = int(fields[2])
            if type == 'bed':
                end = end
            elif type == 'narrowpeak':
                end = end + 1
            else:
                print('please mark your peaks file type(bed/narrowpeak)')
                break
            # extend upstream and downstram peaks
            if strand == '+':
                seq = genome[chr][(start - a):(end + b)].seq
            elif strand == '-':
                seq = genome[chr][(start + a):(end -b)].complement.reverse.seq
            else:
                seq = genome[chr][(start - a):(end + b)].seq
            # mimimum seq length
            if len(seq) >= minlen:
                # fa name
                name = fields[3] + '|' + '|'.join([chr,str(start),str(end)])
                # output seq
                outfa.write('>' + name + '|' + strand + '\n')
                outfa.write(seq + '\n')


    outfa.close()

###############################################################################################

def CalculatePeaksRelativeDist(peaksfa,motif='[G|A][G|A]AC[A|C|T]|[T|G|A]GT[C|T][C|T]',mid=3):
    # save in list
    relpos = []
    # open fa
    with open(peaksfa,'r') as seq:
        for line in seq:
            line = line.replace('\n','')
            if line.startswith('>'):
                next
            peakmid = round((len(line) + 1)/2,ndigits=0)
            # search all motif
            pattern = re.compile(motif,flags=re.IGNORECASE)
            pos_res = pattern.finditer(line)
            # shift to A site position
            allpos = [pos.start() + mid for pos in pos_res]
            # calculate relative to peak center bases
            relposition = [pos - peakmid for pos in allpos]
            # relposition = [peakmid - pos for pos in allpos]
            # save in list
            relpos.extend(relposition)
    return relpos

提取序列

# 提取序列
GetPeaksFa(peak='RBFOX2-CIMS.bed',
           genomefie='mm10.fa',type='bed',
           a=50,b=50,
           outfasta='RBFOX2-CIMS-peaks_sequnce.fa')

GetPeaksFa(peak='RBFOX2-CITS.bed',
           genomefie='mm10.fa',type='bed',
           a=50,b=50,
           outfasta='RBFOX2-CITS-peaks_sequnce.fa')

计算距离

# 计算距离
CIMS = CalculatePeaksRelativeDist(peaksfa='RBFOX2-CIMS-peaks_sequnce.fa',
                                    motif='TGCATG',mid=1)

CITS = CalculatePeaksRelativeDist(peaksfa='RBFOX2-CITS-peaks_sequnce.fa',
                                    motif='TGCATG',mid=1)

保存数据

这里保存数据可以导入 R 里面进行可视化。

先定义一个保存函数:

# save data function
def saveData(listres,outputname):
    tmp_freq = Counter(listres).most_common()
    # sort ascending
    tmp_freq.sort(key= lambda item:item[0])
    # to data frame and save
    tmp_freq_df = pd.DataFrame(tmp_freq,columns=['reldist','frequnecy'])
    tmp_freq_df.to_csv(outputname,header=True,index=False)

保存:

saveData(listres=CIMS,outputname='CIMS_freq_df.csv')
saveData(listres=CITS,outputname='CITS_freq_df.csv')

3python 可视化

接下来对分析的数据进行绘图:

plt.figure(figsize=[16,5])
sns.set(style='ticks')

plt.subplot(1,2,1)
# label size
plt.tick_params(labelsize=18)
# density plot
sns.kdeplot(data=CIMS,shade=False,color='#398AB9',alpha=1,bw_adjust=0.09,linewidth=4)
# labels
plt.xlabel("Distance to deletion site",fontsize=20)
plt.ylabel("Density of UGCAUG",fontsize=20)
# x lines
plt.axvline(x=0,ls="--",lw=2,c='black')
plt.axvline(x=-5,ls="--",lw=2,c='grey')
plt.xlim(-50,50)
plt.xticks(ticks=[-50,-30,-10,0,10,30,50],labels=[-50,-30,-10,0,10,30,50])
plt.legend(['UGCAUG'],frameon=False,fontsize = 16,loc='upper left')

plt.subplot(1,2,2)
# label size
plt.tick_params(labelsize=18)
# density plot
sns.kdeplot(data=CIMS,shade=False,color='#398AB9',alpha=1,bw_adjust=0.09,linewidth=4)
# labels
plt.xlabel("Distance to deletion site",fontsize=20)
plt.ylabel("Density of UGCAUG",fontsize=20)
# x lines
plt.axvline(x=0,ls="--",lw=2,c='black')
plt.axvline(x=-5,ls="--",lw=2,c='grey')
plt.xlim(-6,6)
# plt.xticks(ticks=[-6,-5,0,5,6],labels=[-6,-5,0,5,6])
plt.legend(['UGCAUG'],frameon=False,fontsize = 16,loc='upper right')

# save
plt.savefig('Distance to deletion site.pdf',format='pdf')

左边是主图,右边是放大的小图。

---

绘制 truncation 的图:

plt.figure(figsize=[16,5])
sns.set(style='ticks')

plt.subplot(1,2,1)
# label size
plt.tick_params(labelsize=18)
# density plot
sns.kdeplot(data=CITS,shade=False,color='#398AB9',alpha=1,bw_adjust=0.09,linewidth=4)
# labels
plt.xlabel("Distance to truncation site",fontsize=20)
plt.ylabel("Density of UGCAUG",fontsize=20)
# x lines
plt.axvline(x=0,ls="--",lw=2,c='black')
plt.axvline(x=-5,ls="--",lw=2,c='grey')
plt.xlim(-50,50)
plt.xticks(ticks=[-50,-30,-10,0,10,30,50],labels=[-50,-30,-10,0,10,30,50])
plt.legend(['UGCAUG'],frameon=False,fontsize = 16,loc='upper left')

plt.subplot(1,2,2)
# label size
plt.tick_params(labelsize=18)
# density plot
sns.kdeplot(data=CITS,shade=False,color='#398AB9',alpha=1,bw_adjust=0.09,linewidth=4)
# labels
plt.xlabel("Distance to truncation site",fontsize=20)
plt.ylabel("Density of UGCAUG",fontsize=20)
# x lines
plt.axvline(x=0,ls="--",lw=2,c='black')
plt.axvline(x=-5,ls="--",lw=2,c='grey')
plt.xlim(-6,6)
# plt.xticks(ticks=[-6,-5,0,5,6],labels=[-6,-5,0,5,6])
plt.legend(['UGCAUG'],frameon=False,fontsize = 16,loc='upper right')

# save
plt.savefig('Distance to truncation site.pdf',format='pdf')

4计算离 VGCAUG 的距离画图

V 为 A/C/G 三个碱基:

CIMSv = CalculatePeaksRelativeDist(peaksfa='RBFOX2-CIMS-peaks_sequnce.fa',
                                    motif='[A|C|G]GCATG',mid=1)

CITSv = CalculatePeaksRelativeDist(peaksfa='RBFOX2-CITS-peaks_sequnce.fa',
                                    motif='[A|C|G]GCATG',mid=1)

saveData(listres=CIMSv,outputname='CIMSv_freq_df.csv')
saveData(listres=CITSv,outputname='CITSv_freq_df.csv')

画图:

plt.figure(figsize=[15,5])
sns.set(style='ticks')

plt.subplot(1,2,1)
# label size
plt.tick_params(labelsize=18)
# density plot
sns.kdeplot(data=CIMSv,shade=False,color='#398AB9',alpha=1,bw_adjust=0.09,linewidth=4)
# labels
plt.xlabel("Distance to deletion site",fontsize=20)
plt.ylabel("Density of VGCAUG",fontsize=20)
# x lines
plt.axvline(x=0,ls="--",lw=2,c='black')
plt.axvline(x=-5,ls="--",lw=2,c='grey')
plt.xlim(-50,50)
plt.xticks(ticks=[-50,-30,-10,0,10,30,50],labels=[-50,-30,-10,0,10,30,50])
plt.legend(['VGCAUG'],frameon=False,fontsize = 16,loc='upper left')

plt.subplot(1,2,2)
# label size
plt.tick_params(labelsize=18)
# density plot
sns.kdeplot(data=CIMSv,shade=False,color='#398AB9',alpha=1,bw_adjust=0.09,linewidth=4)
# labels
plt.xlabel("Distance to deletion site",fontsize=20)
plt.ylabel("Density of VGCAUG",fontsize=20)
# x lines
plt.axvline(x=0,ls="--",lw=2,c='black')
plt.axvline(x=-5,ls="--",lw=2,c='grey')
plt.xlim(-6,6)
# plt.xticks(ticks=[-6,-5,0,5,6],labels=[-6,-5,0,5,6])
plt.legend(['VGCAUG'],frameon=False,fontsize = 16,loc='upper right')

后面代码类似,这里只放图:

5导入 R 进行可视化