124-2019意犹未尽的基因组可视化IGV

刘小泽写于19.6.8 之前最开始学习IGV的时候写过两篇推文，当时简单做了了解，但有朋友说意犹未尽，嗯我也这么觉得，总觉得还是学的不够。推荐阅读：https://github.com/griffithlab/rnaseq_tutorial/wiki/IGV-Tutorial 本文不止是翻译

就当做是初次见面

做项目最后一般会得到几个Excel表格，比如其中会有上下调基因，高表达低表达基因等，按照表格去找基因很麻烦并且不容易比较。因此，基因组浏览器是一个非常常用的功能，可以方便我们看看变异信息、可变剪切信息，上下游基因等等特性。目前开发了40多种浏览器，总体上有这么几个特点：针对高通量数据(尤其是为分析变异而测的数据)、对大的bam文件进行可视化、自己电脑上运行保证数据私密性

我们的主要目标是学习IGV，那么它到底能干什么？

• 利用IGV可以对大型的数据集进行可视化(例如TCGA、1000Genomes)

• 可以整合多种类型的组学数据

• 支持本地、云端的数据加载，有多种数据源。各有好处：使用本地数据不用上传，使用云端数据不用下载整个数据集

  

使用IGV的基本步骤：

就像把大象塞进冰箱需要三步一样，使用IGV也很简单：启动=》选择合适的基因组(这里一定要选合适，因为即使一个物种基因组版本不同，基因的坐标也有区别)=》加载组学数据=》可视化探索(比如找SNVs、结构变异、基因融合等)

通过这个教程，基本可以做到：

• 浏览不同的组学数据
• 快速探索定位基因组
• 对比对结果进行可视化
• 肉眼找找SNP/SNV以及结构变异

第一部分：熟悉IGV

IGV官网：http://software.broadinstitute.org/software/igv/download

• 首先先在右上角选择基因组版本，默认情况下会加载hg19，当然可以自己下载其他基因组。然后点击顶部的file ，选择load from server ，这样就会选择额外的几条track，比如显示Ensembl基因名、GC含量等等，这一部分值得慢慢探索

  

• 它的右侧默认显示All ，表示全部染色体。可以选择某一条特定染色体(这里先选择Chr1)

• 再向右的长框是具体的区间，输入chr1:10,000-11,000 表示从10000bp开始数显示1000bp长度的区间（注意是英文状态的冒号），然后点击Go

• 侧边是track（意会：“轨道“、”跑道“），文件类型决定track的类型，track类型又决定了显示的方式，如峰图、线图、柱状图等。不同的track被加载进来时，它们是层层叠加的，可以利用左侧的track名称进行区分。

  

• 推荐的文件类型：http://software.broadinstitute.org/software/igv/RecommendedFileFormats

  其中规定比对的数据：SAM format (must be sorted), BAM format (must be sorted and indexed)

定位导航

粗略定位

比如上面输入chr1:10,000-11,000 ，就将这1000bp的区间显示出来，还将序列显示为有颜色的长条，sequence顶部一行为碱基序列，其中A为绿色，C为蓝色，G是橙色，T是红色，这样利用颜色方便了识别重复序列；

另外它的下方几行是翻译的氨基酸序列，其中绿色表示蛋氨酸，红色为终止密码子，通过点击顶部那一行可以选择隐藏或显示氨基酸序列

如何看的更精细？

然后看右上角的+ ，可以缩放，让我们看碱基看的更清楚，直到单碱基水平，它会先从基因开始显示，当放大到一定程度时，序列信息就展示出来(看来自官网的解释：https://software.broadinstitute.org/software/igv/sequence_track_options)

注意：sequence旁边的黑色粗箭头是可以点击的，点一下箭头方向会发生改变。箭头的方向表示当前展示的链，箭头向左为负链，会显示互补碱基信息以及反向互补的翻译信息

另外除了根据位置去定位，还支持根据基因名去定位

(只要之前添加了基因名的注释track)，例如直接在长条框中输入BRCA1

另外，定位到基因后，还可以看看两个相邻基因有什么区别：

比如可以看到：BRCA1和NBR2两个基因方向相反，BRCA1的第一个外显子在最右侧

基因是用线和条形描绘的

横线表示内含子区域，竖条表示外显子区域，箭头表示基因转录的方向或者说转录的链。高的竖条表示外显子的CDS区域，矮的竖条是UTR。图中表示的是3’=》5‘方向，基因也是在负链，5’UTR在左侧，3‘UTR在右侧

(颜色不用管，都是自己可以设置的：右键track=》change track color)

再看一个例子：

(在biostar的解释：https://www.biostars.org/p/105248/)

(关于基因结构：https://www.jianshu.com/p/705a93f9db36)

结合IGV理解这句话：

外显子与内含子的邻接部位是一段高度保守的序列：外显子尾巴与下一个内含子的头部多数是GT，内含子的尾巴与下一个外显子的头部多数是AG，可以简单记做GT-AG法则，作为RNA剪切的识别信号

为检索区域添加书签

有时想保存当前的搜索区域，有点像浏览器的书签功能，可以利用Regions 的Region Navigator功能，当进行全局浏览时，可以边看边点击add 来添加