MMSplice & MTSplice

从VCF预测（组织特异性）剪切变异效应。MTSplice与MMSplice集成，具有相同的API。

论文：Cheng等人 https://doi.org/10.1101/438986，https://www.biorxiv.org/content/10.1101/2020.06.07.138453v1

安装

外部依赖

pip install cyvcf2 cython

推荐使用Conda安装

conda install cyvcf2 cython -y

pip install mmsplice

在线运行MMSplice

您可以使用以下google colab笔记本在线运行mmsplice

• 在vcf文件上运行

准备

1. 准备注释（gtf）文件

可以从ensembl或gencode下载GTF格式的标准人类基因注释文件。《MMSplice》可以直接使用这些文件，但是强烈建议进行一些过滤。

• 过滤蛋白质编码基因。

2. 准备变异（VCF）文件

一个正确格式的VCF文件可以与《MMSplice》一起使用，但是以下步骤将降低假阳性的可能性

• 质量过滤。低质量变异会导致不可靠的预测。
• 避免在一行中呈现多个变异，可以将它们拆分成多行。执行此操作的示例代码

  bcftools norm -m-both -o out.vcf in.vcf.gz
  

• 左归一化。例如，GGCA-->GG 不是左归一化的，而 GCA-->G 是。关于遗传变异的统一表示细节，请参阅 Tan 等人。

  bcftools norm -f reference.fasta -o out.vcf in.vcf
  

3. 准备参考基因组（fasta）文件

人类参考fasta文件可以从ensembl/gencode下载。请确保染色体名称与您使用的GTF注释文件匹配。

示例代码

查看 notebooks/example.ipynb

为了评分变异（包括插入和缺失），我们建议主要使用 deltaLogitPSI 预测，这是默认输出。差异剪接效率（dse）模型是从MMSplice模块和来自MaPSy的外显子变异训练的，因此只有外显子变异的预测进行了校准。

MTSplice 要使用MTSplice预测组织特异性变异效应，请在 SplicingVCFDataloader 中指定 tissue_specific=True。

# Import
from mmsplice.vcf_dataloader import SplicingVCFDataloader
from mmsplice import MMSplice, predict_save, predict_all_table
from mmsplice.utils import max_varEff

# example files
gtf = 'tests/data/test.gtf'
vcf = 'tests/data/test.vcf.gz'
fasta = 'tests/data/hg19.nochr.chr17.fa'
csv = 'pred.csv'

数据加载器用于从vcf加载变异

dl = SplicingVCFDataloader(gtf, fasta, vcf, tissue_specific=False)

为了预测组织特异性效应，请在数据加载器中使用 tissue_specific=True 代替

dl = SplicingVCFDataloader(gtf, fasta, vcf, tissue_specific=True)

使用默认MMSplice参数运行预测

# Specify model
model = MMSplice()

# Or predict and return as df
predictions = predict_all_table(model, dl, pathogenicity=True, splicing_efficiency=True)

要预测变异在 规模上的效应，而不是在 上。此选项仅适用于组织特异性预测 dl = SplicingVCFDataloader(..., tissue_specific=True)

# Or predict and return as df
predictions = predict_all_table(model, dl, natural_scale=True)

一个变异可能映射到多个外显子。最后，我们将所有外显子的效应汇总为最大值。

# Summerize with maximum effect size
predictionsMax = max_varEff(predictions)

输出

MMSplice的输出是表格数据，包含以下描述的列

• ID：变异的id字符串
• delta_logit_psi：MMSplice预测的主要得分，表示变异对外显子包含水平（PSI百分拼接入）的影响。得分在logit尺度上。如果得分是正的，则表示变异导致外显子更高的包含率。如果得分是负的，则表示变异导致外显子更高的排除率。如果delta_logit_psi大于2或小于-2，则可以认为变异的效应是显著的。
• exons：受变异影响的包含率受影响的外显子的遗传位置
• exon_id：受变异影响的包含率受影响的外显子的遗传id
• gene_id：外显子所属的基因的遗传id
• gene_name：外显子所属的基因的名称
• transcript_id：外显子所属的转录本的遗传id
• ref_acceptorIntron：参考序列的接受体内含子得分
• ref_acceptor：参考序列的接受体得分
• ref_exon：参考序列的外显子得分
• ref_donor：参考序列的供体得分
• ref_donorIntron：参考序列的供体内含子得分
• alt_acceptorIntron：变异序列的接受体内含子得分
• alt_acceptor：变异序列的接受体得分
• alt_exon：变异序列的外显子得分
• alt_donor：变异序列的供体得分
• alt_donorIntron：变异序列的供体内含子得分
• pathogenicity：变异的潜在致病效应
• efficiency：变异对外显子剪接效率的影响

VEP插件

VEP插件包装了来自 mmsplice python包的预测函数。请查阅VEP插件的文档 在VEP_plugin/README.md下。

======= 历史

1.0.0 (2019-07-23)

• 依赖关系修复 #16
• 验证gtf、fasta、vcf染色体注释 #15
• 将预构建的外显子集与mmsplice一起分发。 #12
• 使用pyranges加快变异重叠。 #11
• 在外显子模块中更新掩码，进行批量预测

0.1.0 (2018-07-17)

• 首次在PyPI上发布。