YaChudo

Bioconductor

Переглядів: 0. Оновлено 04.11.2026.

Bioconductor
Screenshot of Bioconductor
ТипBioinformatics
Стабільний випуск3.21 (16 квітня, 2025)
Версії3.6
ПлатформаR programming language
Операційна системаLinux, macOS, Windows
Мова програмуванняR Редагувати інформацію у Вікіданих
ЛіцензіяArtistic License 2.0
Вебсайтwww.bioconductor.org

Bioconductor — це масштабний FLOSS-проєкт для аналізу та інтерпретації геномних даних, отриманих в результаті лабораторних експериментів у молекулярній біології.

Bioconductor базується переважно на статистичній мові програмування R, але також містить модулі, написані іншими мовами. Проєкт має два релізи на рік, які синхронізовані з напіврічними випусками R. У будь-який момент часу існує стабільна версія, що відповідає релізній версії R, та розробна версія, що відповідає розробній версії R. Більшості користувачів підійде стабільна версія. Крім того, існує безліч пакетів для анотування геномів, які в основному, але не виключно, орієнтовані на різні типи мікрочипів.

Проєкт було започатковано восени 2001 року, і ним керує основна команда Bioconductor, яка базується переважно в Онкологічному дослідницькому центрі імені Фреда Гатчінсона, до складу якої також входять члени з інших міжнародних установ.

Пакети

Більшість компонентів Bioconductor поширюються у вигляді пакетів R — додаткових модулів для середовища R. Спочатку більшість програмних пакетів Bioconductor були зосереджені на аналізі одноканальних мікрочипів Affymetrix та двох- або більше канальних кДНК/олігонуклеотидних мікрочипів. У міру розвитку проєкту функціональна сфера пакетів розширилася і почала включати аналіз усіх типів геномних даних, таких як SAGE, дані секвенування або SNP-дані.

Цілі

Широкими цілями проєкту є:

Основні особливості

  • Документація та відтворювані дослідження. Кожен пакет Bioconductor містить принаймні один віньєт (vignette) — документ, який надає текстовий, практично-орієнтований опис функціональності пакета. Ці віньєти існують у кількох формах. Багато з них є простими «Як зробити» (How-to), призначеними для демонстрації того, як виконати певне завдання за допомогою програмного забезпечення пакета. Інші надають більш детальний огляд пакета або навіть обговорюють загальні питання, пов'язані з пакетом. У майбутньому проєкт Bioconductor планує надавати віньєти, які не є специфічно прив'язаними до одного пакета, а демонструють складніші концепції. Як і у всіх аспектах проєкту Bioconductor, користувачі заохочуються до участі в цій роботі.
  • Статистичні та графічні методи. Проєкт Bioconductor має на меті забезпечити доступ до широкого спектра потужних статистичних і графічних методів для аналізу геномних даних. Доступні пакети для: попередньої обробки даних мікрочипів Affymetrix та Illumina, кДНК-мікрочипів; ідентифікації генів, що диференційно експресуються; графо-теоретичного аналізу; побудови графіків для геномних даних. Крім того, сама система пакетів R надає реалізації для широкого спектра сучасних статистичних і графічних методів, включаючи лінійне та нелінійне моделювання, кластерний аналіз, прогнозування, перевибірку (resampling), аналіз виживаності та аналіз часових рядів.
  • Геномна анотація. Проєкт Bioconductor надає програмне забезпечення для зв'язування даних мікрочипів та інших геномних даних у реальному часі з біологічними метаданими з веб-баз даних, таких як GenBank, LocusLink і PubMed (пакет annotate). Також надаються функції для включення результатів статистичного аналізу в HTML-звіти з посиланнями на ресурси анотацій у Всесвітній павутині (WWW). Доступні інструменти для збирання та обробки даних геномної анотації з таких баз даних, як GenBank, Gene Ontology Consortium, LocusLink, UniGene, UCSC Human Genome Project та інших, за допомогою пакета AnnotationDbi. Поширюються пакети даних для надання відповідностей між різними ідентифікаторами проб (наприклад, Affy IDs, LocusLink, PubMed). Також можна збирати власні бібліотеки анотацій. Цей проєкт також містить кілька функцій для геномного аналізу та філогенетики (наприклад, пакети ggtree, phytools тощо).
  • Відкритий код. Проєкт Bioconductor дотримується принципів повного відкритого коду, з розповсюдженням через платформу, подібну до SourceForge.net. Очікується, що всі внески будуть існувати під відкритою ліцензією, такою як Artistic 2.0, GPL2 чи BSD. Існує багато різних причин, чому програмне забезпечення з відкритим кодом є корисним для аналізу даних мікрочипів і для обчислювальної біології в цілому. До причин належать:
    • Забезпечення повного доступу до алгоритмів та їх реалізації
    • Сприяння вдосконаленню програмного забезпечення шляхом виправлення помилок і додавання плагінів
    • Заохочення хорошої наукової обчислювальної та статистичної практики шляхом надання відповідних інструментів та інструкцій
    • Надання верстаку інструментів, який дозволяє дослідникам досліджувати та розширювати методи, що використовуються для аналізу біологічних даних
    • Гарантія того, що міжнародна наукова спільнота є власником програмних інструментів, необхідних для проведення досліджень
    • Лідерство та заохочення комерційної підтримки та розвитку тих інструментів, які виявилися успішними
    • Сприяння відтворюваним дослідженням шляхом надання відкритих і доступних інструментів для їх проведення (відтворюване дослідження відрізняється від незалежної верифікації)
  • Відкрита розробка. Користувачі заохочуються ставати розробниками — шляхом внесення пакетів або документації, що відповідають вимогам Bioconductor. Крім того, Bioconductor надає механізм для об'єднання різних груп зі спільними цілями для сприяння співпраці над програмним забезпеченням, можливо, на рівні спільної розробки.

Віхи розвитку

Кожен випуск Bioconductor розроблений для оптимальної роботи з обраною версією R.[1] Окрім виправлень помилок та оновлень, новий реліз зазвичай додає пакети. У таблиці нижче наведено відповідність версій Bioconductor версіям R та показано кількість доступних програмних пакетів Bioconductor для кожного випуску.

Версія Дата релізу Кількість пакетів Залежність від R
3.21 2005 2341 R 4.5
3.20 1984 2289 R 4.4
3.18 1988 2266 R 4.3
3.16 2009 2183 R 4.2
3.14 1984 2083 R 4.1
3.11 1988 1903 R 4.0
3.10 1979 1823 R 3.6
3.8 1977 1649 R 3.5
3.6 1976 1473 R 3.4
3.4 1988 1296 R 3.3
3.2 1991 1104 R 3.2
3.0 1990 934 R 3.1
2.13 1988 749 R 3.0
2.11 1999 610 R 2.15
2.9 1999 517 R 2.14
2.8 1993 466 R 2.13
2.7 1981 418 R 2.12
2.6 1983 389 R 2.11
2.5 1971 352 R 2.10
2.4 1984 320 R 2.9
2.3 1976 294 R 2.8
2.2 2002 260 R 2.7
2.1 1989 233 R 2.6
2.0 1977 214 R 2.5
1.9 1992 188 R 2.4
1.8 1975 172 R 2.3
1.7 1981 141 R 2.2
1.6 1982 123 R 2.1
1.5 1969 100 R 2.0
1.4 1982 81 R 1.9
1.3 1963 49 R 1.8
1.2 1969 30 R 1.7
1.1 1973 20 R 1.6
1.0 1996 15 R 1.5

Застосування Bioconductor для аналізу даних мікроРНК та секвенування малих РНК

Вступ

Секвенування малих РНК — це широко використовувана методика для вивчення мікроРНК (miRNAs), малих інтерферуючих РНК (siRNAs), piwi-взаємодіючих РНК (piRNAs), які відіграють вирішальну роль у процесі РНК-інтерференції. Процес РНК-інтерференції використовує різні типи субстратів, що породжує різні типи популяцій РНК, а саме мікроРНК, siRNAs тощо. У лабораторних умовах секвенування малих РНК зазвичай починається з екстракції РНК з клітин або тканин, після чого слідує лігація адаптерів до 5'- та 3'-кінців малих РНК, потім зворотня транскрипція та ПЛР-ампліфікація для отримання бібліотек кДНК. На завершення, для отримання мільйонів коротких прочитань використовується високопродуктивне секвенування (найчастіше платформи Illumina). Ці отримані дані потім піддаються обчислювальній обробці для вирівнювання прочитань щодо референтних геномів певних видів або баз даних мікроРНК.

Bioconductor у біології РНК

Bioconductor(BioC)[2] — це широко використовувана платформа з відкритим кодом для аналізу різних типів даних секвенування малих РНК та геномних даних. Вона перш за все використовує мову програмування R і пропонує широкий спектр пакетів для біоінформатики та обчислювальної біології. Bioconductor надає великий вибір пакетів[3] для роботи з даними секвенування малих РНК, серед яких кілька є особливо популярними у дослідників. Такі популярні пакети Bioconductor, як DESeq2,[4] edgeR,[5] limma + voom,[6][7] GenomicAlignments,[8] GenomicFeatures,[8] Rsubread,[9] ShortRead,[10] featureCounts[11] забезпечують надійний аналіз даних RNA-seq.[12]

DESeq2

Він використовує моделювання за допомогою **негативного біномного розподілу** для аналізу диференційної експресії підрахунків прочитань (read count) з даних RNA-seq.[13] Він популярний для оцінки дисперсії, нормалізації даних та візуалізації за допомогою PCA-plot або MA-plot діаграм.[4]

edgeR

Він також використовує моделювання за допомогою **негативного біномного розподілу** для аналізу диференційної експресії підрахунків прочитань з даних RNA-seq. На відміну від DESeq2, його використовують, коли кількість зразків є відносно невеликою.[5][14]

limma + voom

Цей підхід використовується для оцінки **зв'язку між середнім значенням і дисперсією** (mean-variance relationship) для підрахунків і перетворює їх у **log2-кількість на мільйон** (log2-counts per million, CPM). Він використовується для аналізу даних мікрочипів, а також для розрахунку CPM значень з даних RNA-seq.[15]

GenomicAlignments

Цей пакет широко використовується для **прив'язки вирівняних прочитань** з файлів BAM і SAM до генів або мікроРНК для подальшого аналізу.[8][16]

GenomicFeatures

Він використовується для створення **транскриптомо-центричних баз анотацій**, таких як об'єкти TxDb, які зберігають інформацію про гени, ексони та транскрипти з файлів GTF/GFF.[8][17]

Rsubread

Він використовується переважно для **підсумовування та картування (mapping) прочитань**, де функції, такі як `align()` та `featureCounts()`, надають ефективну альтернативу зовнішнім програмам вирівнювання, таким як STAR чи HISAT2.[18]

ShortRead

Його часто використовують для **попередньої обробки** сирих файлів FASTQ, щоб перевірити їхню якість. Ці файли надходять з платформ секвенування, таких як Illumina тощо.[10]

Обчислювальний конвеєр (Workflow)

Імпорт даних та контроль якості

Файли FASTQ[19] зазвичай імпортуються за допомогою різних пакетів Bioconductor, таких як **ShortRead**[10], який надає звіти про оцінку якості.

Підрізання адаптерів та фільтрація

Для видалення послідовностей адаптерів із сирих файлів FASTQ використовуються різні зовнішні інструменти, такі як **Cutadapt**[20] чи **Trimmomatic**[21]. Це допомагає покращити якість прочитань.

Вирівнювання прочитань

Оброблені прочитання вирівнюються щодо **референтного геному**. Це вирівнювання може бути виконане різними програмами, такими як **Rsubread**, або зовнішніми інструментами, як-от **STAR**. Результати зберігаються у стандартних форматах файлів, таких як **SAM** (Sequence Alignment Map) або **BAM** (Binary Alignment Map).

Анотування мікроРНК

Bioconductor підтримує інтеграцію даних з miRBase. Для анотування прочитань відомими мікроРНК використовуються різні пакети, такі як **miRBaseConverter**,[22] **AnnotationHub**,[23] **org.Mm.eg.db**.[24]

Квантифікація

Підраховуються прочитання, що відобразилися на відомих генах або мікроРНК, і результати підрахунку агрегуються для кожного зразка.

Аналіз диференційної експресії

Після вирівнювання та квантифікації експресії мікроРНК для аналізу диференційної експресії використовуються різні well-established пакети, такі як DESeq2 та **edgeR**.

Візуалізація

Для інтерпретації та представлення результатів експресії мікроРНК використовуються різні пакети для візуалізації, такі як **ggplot2**,[25] **pheatmap**,[26] **ComplexHeatmap**. Для візуалізації даних диференційної експресії генеруються діаграми вулкана (Volcano plot), графіки головних компонент (PCA plot, PCA), MA-plot діаграми та теплові карти (heatmaps).

Джерела

Див. також

Примітки

  1. ↑ Bioconductor – Release Announcements. bioconductor.org. Bioconductor. Процитовано 28 травня 2019.
  2. ↑ Steffen Durinck, Yves Moreau, Arek Kasprzyk, Sean Davis, Bart De Moor, Alvis Brazma, Wolfgang Huber, BioMart and Bioconductor: a powerful link between biological databases and microarray data analysis, Bioinformatics, Volume 21, Issue 16, August 2005, Pages 3439–3440, https://doi.org/10.1093/bioinformatics/bti525
  3. ↑ https://bioconductor.org/packages/release/data/annotation/html/org.Hs.eg.db.html
  4. ↑ а б Love MI, Huber W, Anders S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 2014;15(12):550. doi: 10.1186/s13059-014-0550-8. PMID 25516281; PMCID: PMC4302049.
  5. ↑ а б Mark D. Robinson, Davis J. McCarthy, Gordon K. Smyth, edgeR: a Bioconductor package for differential expression analysis of digital gene expression data, Bioinformatics, Volume 26, Issue 1, January 2010, Pages 139–140, https://doi.org/10.1093/bioinformatics/btp616
  6. ↑ Law CW, Alhamdoosh M, Su S, Dong X, Tian L, Smyth GK, Ritchie ME. RNA-seq analysis is easy as 1-2-3 with limma, Glimma and edgeR. F1000Res. 2016 Jun 17;5:ISCB Comm J-1408. doi: 10.12688/f1000research.9005.3. PMID 27441086; PMCID: PMC4937821
  7. ↑ Ritchie ME, Phipson B, Wu D, Hu Y, Law CW, Shi W, Smyth GK. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015 Apr 20;43(7):e47. doi: 10.1093/nar/gkv007. Epub 2015 Jan 20. PMID 25605792; PMCID: PMC4402510.
  8. ↑ а б в г Huber W, Carey VJ, Gentleman R, Anders S, Carlson M, Carvalho BS, Bravo HC, Davis S, Gatto L, Girke T, Gottardo R, Hahne F, Hansen KD, Irizarry RA, Lawrence M, Love MI, MacDonald J, Obenchain V, Oleś AK, Pagès H, Reyes A, Shannon P, Smyth GK, Tenenbaum D, Waldron L, Morgan M. Orchestrating high-throughput genomic analysis with Bioconductor. Nat Methods. 2015 Feb;12(2):115-21. doi: 10.1038/nmeth.3252. PMID 25633503; PMCID: PMC4509590.
  9. ↑ Liao Y, Smyth GK, Shi W. The R package Rsubread is easier, faster, cheaper and better for alignment and quantification of RNA sequencing reads. Nucleic Acids Res. 2019 May 7;47(8):e47. doi: 10.1093/nar/gkz114. PMID 30783653; PMCID: PMC6486549.
  10. ↑ а б в Morgan M, Anders S, Lawrence M, Aboyoun P, Pagès H, Gentleman R. ShortRead: a bioconductor package for input, quality assessment and exploration of high-throughput sequence data. Bioinformatics. 2009 Oct 1;25(19):2607-8. doi: 10.1093/bioinformatics/btp450. Epub 2009 Aug 3. PMID 19654119; PMCID: PMC2752612.
  11. ↑ Liao Y, Smyth GK, Shi W. featureCounts: an efficient general purpose program for assigning sequence reads to genomic features. Bioinformatics. 2014 Apr 1;30(7):923-30. doi: 10.1093/bioinformatics/btt656. Epub 2013 Nov 13. PMID 24227677.
  12. ↑ Koch CM, Chiu SF, Akbarpour M, Bharat A, Ridge KM, Bartom ET, Winter DR. A Beginner's Guide to Analysis of RNA Sequencing Data. Am J Respir Cell Mol Biol. 2018 Aug;59(2):145-157. doi: 10.1165/rcmb.2017-0430TR. PMID 29624415; PMCID: PMC6096346.
  13. ↑ Chen Y, Lun AT, Smyth GK. From reads to genes to pathways: differential expression analysis of RNA-Seq experiments using Rsubread and the edgeR quasi-likelihood pipeline. F1000Res. 2016 Jun 20;5:1438. doi: 10.12688/f1000research.8987.2. PMID 27508061; PMCID: PMC4934518.
  14. ↑ Chen Y, Lun AT, Smyth GK. From reads to genes to pathways: differential expression analysis of RNA-Seq experiments using Rsubread and the edgeR quasi-likelihood pipeline. F1000Res. 2016 Jun 20;5:1438. doi: 10.12688/f1000research.8987.2. PMID 27508061; PMCID: PMC4934518
  15. ↑ Law CW, Alhamdoosh M, Su S, Dong X, Tian L, Smyth GK, Ritchie ME. RNA-seq analysis is easy as 1-2-3 with limma, Glimma and edgeR. F1000Res. 2016 Jun 17;5:ISCB Comm J-1408. doi: 10.12688/f1000research.9005.3. PMID 27441086; PMCID: PMC4937821.
  16. ↑ https://bioconductor.org/packages/devel/bioc/html/GenomicAlignments.html
  17. ↑ https://bioconductor.org/packages/devel/bioc/html/GenomicFeatures.html#:~:text=Extract%20the%20genomic%20locations%20of,tools%20from%20the%20txdbmaker%20package.
  18. ↑ Liao Y, Smyth GK, Shi W. The Subread aligner: fast, accurate and scalable read mapping by seed-and-vote. Nucleic Acids Res. 2013 May 1;41(10):e108. doi: 10.1093/nar/gkt214. Epub 2013 Apr 4. PMID 23558742; PMCID: PMC3664803.
  19. ↑ Cock PJ, Fields CJ, Goto N, Heuer ML, Rice PM. The Sanger FASTQ file format for sequences with quality scores, and the Solexa/Illumina FASTQ variants. Nucleic Acids Res. 2010 Apr;38(6):1767-71. doi: 10.1093/nar/gkp1137. Epub 2009 Dec 16. PMID 20015970; PMCID: PMC2847217.
  20. ↑ https://cutadapt.readthedocs.io/en/stable/
  21. ↑ Bolger AM, Lohse M, Usadel B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics. 2014 Aug 1;30(15):2114-20. doi: 10.1093/bioinformatics/btu170. Epub 2014 Apr 1. PMID 24695404; PMCID: PMC4103590.
  22. ↑ Xu, T., Su, N., Liu, L. et al. miRBaseConverter: an R/Bioconductor package for converting and retrieving miRNA name, accession, sequence and family information in different versions of miRBase. BMC Bioinformatics 19 (Suppl 19), 514 (2018). https://doi.org/10.1186/s12859-018-2531-5
  23. ↑ https://bioconductor.org/packages/devel/bioc/html/AnnotationHub.html
  24. ↑ https://bioconductor.org/packages/release/data/annotation/html/org.Mm.eg.db.html
  25. ↑ https://ggplot2-book.org/introduction.html#:~:text=ggplot2%20is%20an%20R%20package,graphs%20by%20combining%20independent%20components.
  26. ↑ https://rdrr.io/cran/pheatmap/

Зовнішні посилання

Джерело: стаття у Вікіпедії та історія редагувань (автори).