TCGA-识别哪些是lncRNA，各种类型的RNA差异分析

本文内容

本文为笔者个人的学习笔记，包括以下内容

• TCGA count数据下载
• count数据预处理，标准化
• 差异mRNA,miRNA, lncRNA
• 绘制热图,火山图
• ceRNA网络分析，输出文件到cytoscape
• 识别出哪些基因是lncRNA, miRNA, mRNA, pseudogene
• 运行过程中存在的问题及解决办法

基本背景知识

注：为方便阅读，增加读者对文章内容的理解,关于miRNA背景知识转载至维基百科 ，仅供交流学习使用，版权归原作者所有。

miRNA

小分子核糖核酸（英语：microRNA，缩写为miRNA）又译微核糖核酸，是真核生物中广泛存在的一种长约21到23个核苷酸的核糖核酸（RNA）分子，可调节其他基因的表达^[1][2]。miRNA来自一些从DNA转录而来，但无法进一步翻译成蛋白质的RNA（属于非编码RNA）。miRNA通过与目标信使核糖核酸（mRNA）结合，进而抑制转录后的基因表达^[3]，在调控基因表达、细胞周期、生物体发育时序等方面起重要作用。在动物中，一个微RNA通常可以调控数十个基因。

这些RNA是从初级转录本（primary transcript）出来的，也就是pri-miRNA，转变成为称为pre-miRNA的茎环结构，最后成为具有功能的成熟miRNA。

miRNA的命名规则

• miR-前缀后面所跟着的数字，代表命名的顺序，比如，miR-124比miR-456发现得早。
• “miR-”代表成熟的miRNA、“mir-”代表pre-miRNA和pri-miRNA、“MIR”代表编码miRNA的基因^[5]。
• miRNA几乎全是独一的编码顺序，但对于拥有一两个碱基不同的则会被标上字母以示，例如，miR-124a与miR-124b。 若成熟的miRNA相同，但pre-miRNA和pri-miRNA和编码他们的基因来自于不同的基因组，则使用数字来表示，例如，mir-194-1和mir-194-2表示两个pre-， pri-miRNA剪切后的成熟miRNA是完全相同的，但却是两个不同的来源。
• 前缀的三个字母代表了不同的种族来源，例如，hsa-miR-194代表miRNA来源于人类，oar-miR-124来源于绵羊。
• 对于形成pre-，pri-miRNA茎环的两端miRNA， 通常一端在数量上远远超过另一端。数量优势的一端往往称为guide strand，而另一端被称为passenger strand，通常被大量降解，用号来表示，例如miR-124和miR-124。

lncRNA基本背景

长的非编码RNA（长的ncRNA，lncRNA）是一种类型的RNA，定义为转录与长度超过200 个核苷酸的是不翻译成蛋白质。^[1]这种有点任意的限制将长ncRNA与小的非编码RNA区分开来，例如microRNA（miRNA），小干扰RNA（siRNA），Piwi相互作用RNA（piRNA），小核仁RNA（snoRNA）和其他短RNA。^[2] 长介入/基因间非编码RNA（lincRNA）是lncRNA的序列，其不与蛋白质编码基因重叠。^[3]

数据下载

pacakge and work directory