使用miRNAtap数据源提取miRNA的预测靶基因结果

Posted on by

前面我们分享了：microRNAs靶基因数据库哪家强，提到了综合了12个网页工具的miRWalk，以及整合了7个工具的miRSystem，但是最后我们仍然是推荐R包multiMiR作为提取miRNA的预测靶基因结果的解决方案，除了因为它综合了14个网页工具，而且还是这个月更新过，还有一个很大的原因是，我喜欢编程，喜欢R语言！

今天我们比较一下另外的一个miRNAtap包，与multiMiR的结果的一致性，以及两个数据库的差异！首先安装miRNAtap包，代码如下：

options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor/")
options("repos" = c(CRAN="http://mirrors.cloud.tencent.com/CRAN/")) 
options(download.file.method = 'libcurl')
options(url.method='libcurl')

BiocManager::install("miRNAtap",ask = F,update = F)
BiocManager::install("topGO",ask = F,update = F)
BiocManager::install("miRNAtap.db",ask = F,update = F)

在miRNAtap包说明书很清楚的写着，它其实就是综合另外5个流行的数据源，然后总结一下，而且仅仅是支持人和鼠这两个物种哦！

image-20200419214013474

首先看看，对指定的一个miRNA进行靶基因提取：

rm(list = ls())
library(miRNAtap)
library(topGO)
library(org.Hs.eg.db)
mir = 'miR-10b'
predictions = getPredictedTargets(mir, species = 'hsa',
 method = 'geom', min_src = 2)

head(predictions)
predictions_min = getPredictedTargets(mir, species = 'hsa',
 method = 'min', min_src = 2)
head(predictions_min)

两个总结5个数据库结果的方法差异在于靶基因的排名：

image-20200419214140516

值得注意的是，默认是5个数据库都采用, i.e. c('pictar','diana','targetscan','miranda','mirdb')，不过也有可能某些miRNA在某些数据库其实是没有记录的，然后算法有3种：

min' is a minimum of ranks, 'max' is a maximum of ranks, and default 'geom'is based on geometric mean of the ranks which proves to be the most accurate method

所以我们就选择默认的geom即可，反正靶基因列表是一样的。

首先看miRNAtap包与multiMiR的结果的一致性

我们这里分别测试人和鼠的各一个miRNA，代码如下：

rm(list = ls())
library(miRNAtap)
library(topGO)
library(org.Hs.eg.db)
mir = 'hsa-miR-18a-3p'
tmp1 = getPredictedTargets(mir, species = 'hsa',
 method = 'geom', min_src = 2)
head(tmp1) 
library(multiMiR)
example1 <- get_multimir(mirna = 'hsa-miR-18a-3p', summary = TRUE)
tmp2=example1@data
intersect(rownames(tmp1),tmp2$target_entrez)

mir = 'mmu-miR-9-5p'
tmp1 = getPredictedTargets(mir, species = 'mmu',
 method = 'geom', min_src = 2)
library(multiMiR)
example1 <- get_multimir(mirna = mir, org = 'mmu',summary = TRUE)
tmp2=example1@data
table(tmp2$database)
intersect(rownames(tmp1),tmp2$target_entrez)

简单看了看，两个R包里面记录的同一个miRNA的靶基因重合度还挺高的!

再看看它与miRSystem网页工具结果的差异

进入 http://mirsystem.cgm.ntu.edu.tw/ ，值得注意的是，该工具顺便对靶基因进行了生物学功能数据库的注释

image-20200419214930938

可以看到预测的靶基因是836个，有趣的是我们明明输入的是小鼠的miRNA，理论上靶基因应该是小鼠的，但是这个网页工具似乎是把人和鼠的基因模糊处理了。

image-20200419215039125

同样的，检查可以看到miRSystem网页工具结果和R包也是约30%的重合。

既然是预测，就不可能多个工具完全一致，所以目前主流的做法是，选择5个以上数据库支持的靶基因作为该miRNA的最后列表。

文末友情宣传

强烈建议你推荐我们生信技能树给身边的博士后以及年轻生物学PI，帮助他们多一点数据认知，让科研更上一个台阶：

​

Comments are closed.