RegulomeDB和HaploReg数据库的数据整合

1.背景

1. GWAS研究产生了大量的SNP，大部分在非编码基因组
2. 这些SNP其实是Lead/Tag SNP，所以需要同时关注与这些SNP处于高LD（linkage disequilibrium）的其它SNP
3. ENCODE产生的大量数据，可以用来注释这些SNP，为我们研究这些SNP的功能提供一些参考。
4. 本篇介绍的两个数据库RegulomeDB和HaploReg的套路就是将ENCODE产生的注释数据与dbSNP和GWAS Catalog的SNP取交集。

2. 注释SNP的数据

可以将RegulomeDB和HaploReg使用的注释数据分成以下几类：

1. 预测该SNP的目标基因：eQTLs（RNA-Seq）
2. 是否在基因内部：GENCODE注释文件
3. 转录因子结合位点：ChIP-Seq
4. 蛋白结合Motif的改变：PWM分数
5. 调控元件分类结果（promoter，enhancer等）：Chromatin States（来自Roadmap项目）
6. 染色质开放区域（open chromatin）：DHS区域
7. 碱基在人群中比例：1000 Genomes等项目
8. 人工注释：Vista enhancer数据库
9. 序列保守性：SiPhy软件注释

当我们查看特定的SNP，或者特定的基因组区域，以上返回的结果就能提示值不值得深入研究了。

虽然两个数据库的信息大同小异，但是细节上还有一些不同，比如：

RegulomeDB链接到UCSC Browser，可以查看这些支持性信息的track

HaploReg可以同时展示处于高LD区域的其它SNP的信息

查看完整的注释信息请参考页面下方的官网链接。

3. 用法示例

文献报道rs2816316与腹腔疾病疾病相关

(Hunt, …, van Heel (2008) Nature Genetics和Dubois, …, van Heel (2010)Nature Genetics).

1. 在RegulomeDB里查询该SNP。RegulomeDB将所有SNP按照Fig 1的优先性打分。Fig 2说明该SNP与转录调控关系不大。

   Fig 1. RegulomeDB的打分规则

   

   Fig 2. rs2816316在RegulomeDB的得分

2. 在HaploReg里查询，有25个SNP与rs2816316处于高LD（r^2>0.8）（Fig 3），有三个SNP（rs2816305, rs2984920和rs7535818）是转录因子结合位点，并且也与DHS和enhancer区域重叠。

   

   Fig 3. rs2816316在HaploReg的查询结果

3. 返回Regulome中继续查询上述三个SNP （Fig 4）。

   

   Fig 4. rs2816305, rs2984920和rs7535818在Regulome的查询结果

4. rs2816305为RGS1的eQTL，同时处于调控元件内部。rs2984920在RGS1启动子内部，并且处于 PU.1和NFKB的motif内部（Fig 5）。这两个SNP都值得继续深入研究。

   

   Fig 5.  在UCSC Browser查看rs2984920

4. 结语

这样的数据叠加，可以为该SNP的功能提供一些参考信息。如果我们能直接知道它调控的基因就更好了，当然有人早就想到这个问题，比如下篇要介绍的资源。。

参考资料

NCBI dbSNP Build 141: https://www.ncbi.nlm.nih.gov/projects/SNP/snp_summary.cgi?view+summary=view+summary&build_id=141

RegulomeDB: http://www.regulomedb.org/

HaploReg: http://archive.broadinstitute.org/mammals/haploreg/haploreg.php

ENCODE Document: https://www.encodeproject.org/documents/