使用miRNAtap数据源提取miRNA的预测靶基因结果 / 四六文摘

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！

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：

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!