RNA编辑：相关数据库和分析软件REDItools
数据库：
1.DARNED：https://darned.ucc.ie/
包含大约42000个人类基因组坐标的信息。
2.RADAR：http://rnaedit.com/
包含1379403个人类A-to-I RNA编辑位点的信息，8108个小鼠和2698个苍蝇A-to-I RNA编辑站点的信息。
3.REDIdb：http://srv00.recas.ba.infn.it/py_script/REDIdb/
是一个基于网络的交互式数据库，RNA编辑数据库目前存储分布在706个不同核苷酸序列上的9964个编辑事件。这些编辑修改中有67％是由于替换，插入占30％，删除占3％。关于序列位置，486个序列来自线粒体，其余220个序列来自叶绿体。
4.RESOPS：http://cib.cf.ocha.ac.jp/RNAEDITING/
用于分析RNA编辑位点与蛋白质三维结构的对应关系的数据库，包含5,754个RNA编辑位点，其中2,059个（35.8％）位点位于密码子的第一个字母上，3,165个（55.0％）位于第二个字母上，530个（9.2％）位于第三个字母上。
5.REDIportal：http://srv00.recas.ba.infn.it/atlas/
是人类RNA编辑的最大和最全面的集合，包括超过450万个A-to-I事件。来自数千个RNAseq实验的30种不同组织的55个身体部位。REDIportal嵌入了RADAR数据库。
6.e23D：http://www.sheba-cancer.org.il/e23D
网站没有打开。
7.dbRES：http://bioinfo.au.tsinghua.edu.cn/dbRES
网站没有打开，dbRES版本1.1包含5437个RNA编辑位点，包含251个转录本，涵盖植物，后生动物，原生动物，真菌和病毒的96种生物。
8.EdRNA：http://edrna.mbc.nctu.edu.tw/index.php
最全面，最完整的RNA编辑数据库，EdRNA具有312,774个RNA编辑位点，属于6,090个基因。
REDItools软件使用说明
一．简介
REDItools是python脚本开发的，旨在通过下一代测序数据研究基因组规模的RNA编辑。
主页及软件下载页：<u>http://srv00.recas.ba.infn.it/reditools/</u>
主要包含的脚步如下（其中红色框中的为主要分析RNA编辑的脚本）：
1.REDItoolDnaRna.py是专门用于检测RNA编辑的主要脚本，其主要应用来自RNA-Seq和DNA-Seq数据的BAM格式文件。 为了研究潜在的RNA编辑，可以单独使用RNA-Seq数据。
2.REDItoolKnown.py已经开发用于使用已知的编辑信息探索RNA-Seq数据集的RNA编辑潜力。 此类信息可以从DARNED数据库下载，也可以从各种出版物的补充材料中生成。 已知的RNA编辑信息必须存储在TAB文件中。
3.REDItoolDenovo.py被用于单独使用RNA-Seq数据预测潜在的RNA编辑事件，并且没有关于RNA编辑现象的基因组信息和生物学特性的任何先验知识。
4.REDItoolBlatCorrection.py需要Blat包中的gfServer和gfClient程序。可以使用实用程序faToTwoBit将.2bit格式转换参考文件fasta格式
5.FilterTable.py根据tabix工具索引的特定注释过滤输入表的位置。过滤后的位置将在每行的开头标记为“＃”。要排除这些行，应使用选项-E。功能与GTF注释文件的第三个字段中指示的相同。
6.AnnotateTable.py根据tabix工具索引的注释文件的各个位置。 根据-c选项，它可以添加1到3个附加列。
7.SearchInTable.py查找列表或位置表中的各个位置。
8.selectPositions.py可以根据不同的标准过滤输出REDItool生成的表。
9.SortTable.py是根据基因组区域和坐标对输入表进行排序的工具。 输入表可以是TAB分隔的或使用任何分隔符。
10.tableToTabix.py创建一个tabix表，默认情况下对输入表进行排序。 用于从GFF文件生成tabix表以提前为REDItools准备注释表。
11.SortGFF.py是一个只对GFF文件进行排序并作为SortTable.py工作的工具。
12.GFFtoTabix.py是一个将GFF文件转换为tabix文件的脚本。
13.TableToGFF.py是一个将输出REDItool表转换为GFF以便在REDItoolDnaRna.py中用作输入的工具。
二．软件所需输入文件：
1.-BAM文件
输入BAM应按SAMtools排序和索引进行排序和索引。 或者，REDItools可以使用-I选项对输入BAM进行排序和索引，或者从DNA-Seq数据中选择-J用于BAM。 在排序输入BAM的情况下，REDItools可以自动检查索引文件的存在，如果它们不存在则创建它们。
2.- Fasta格式的参考基因组
染色体/区域名称必须与输入BAM中的名称相同。 参考Fasta文件必须由SAMtools faidx编制索引
3.-GTF文件包含注释或基因组区域，以包括或从分析中排除
当用于已知注释时，GTF属性必须包含字段'gene_id'和'transcript_id'。需要通过tabix对GTF文件进行排序和索引。这可以通过标准的unix / linux sort命令，然后是tabix程序或使用REDItools附件脚本来完成 。(optional)
4.-TAB分隔文件，包括基因组位置
第一列必须包含根据输入BAM和参考基因组的染色体/区域名称，第二列必须包括基因组坐标（基于1），第三列必须指示链（+或 - ）。链也可以用数字表示：0（链 - ），1（链+）或2（链未知）。 (optional)
5.-SpliceSite文件包括已知剪接位点的坐标，以排除周围内含子区域中的位置
REDItools文档中描述了拼接站点的格式和生成此类文本文件的过程。 (optional)
输入文件示例如下：
samtools faidx reference.fa
samtools view –bS –T reference.fa myfile.sam > myfile.bam
samtools sort myfile.bam myfile.sorted
samtools index myfile.sorted.bam
三．通用输出文件格式
-Region：根据参考文献的基因组区域;
-Position：是确切的基因组坐标（基于1）;
-Reference：是参考基因组中的核苷酸碱基;
-Strand：是链信息，带有符号1表示+链，0表示 - 链，2表示未知或未定义的链;
-Coverage-qxx：给定xx质量得分（最小值）的每个位点的深度;
-MeanQ：是每个位点的平均质量得分;
-BaseCount [A，C，G，T]：是每个位点的基本分布，顺序为A，C，G和T;
-AllSubs：是给定位点的观察到的替换列表，以空格分隔。在不变位点的情况下，使用字符“ - ”;
-Frequency：是观察到的替代频率。在多次替换的情况下，它指的是AllSubs字段中的第一个。
REDItoolDnaRna.py包括五个额外的列，以考虑DNA-Seq reads的信息。这些列表示为：
-gCoverage-qxx：DNA-Seq中给定xx质量得分（最小值）的每个位点的深度;
-gMeanQ：DNA-Seq中每个位点的平均质量得分;
-gBaseCount [A，C，G，T]：是每个位点的基本分布，顺序为A，C，G和T;
-gAllSubs：是给定位点上观察到的替换列表，以空格分隔。字符“ - ”包括在不变位点的情况下;
-gFrequency：是观察到的替换频率。在多个替换的情况下，它指的是gAllSubs字段中的第一个。
REDItoolDenovo.py包含一个额外的列：
-Pvalue：是根据Fisher精确检验计算的每个位点的p值。它表明观察到的变化的基础分布与预期的不同，通过整个RNA-Seq实验的经验碱基替换计算。
DNA-Seq reads 不支持的位置用每个额外列的字符“ - ”标记。
四．示例
下载测试文件包：testREDItools.tar.gz(http://srv00.recas.ba.infn.it/reditools/data/testREDItools.tar.gz) ，所包含的文件如下：
-
REDItoolDnaRna.py -i rna.bam -j dna.bam -f reference.fa -o reditool-test -c 10,1 -Q 33,64 -q 25,25 -m 20,20 -s 2 -g 1 -u -a 6-0 -v 2 -n0.0 -N0.0 -V
对比dna和rna的bam文件每个位点，输出相关的信息，程序详细参数：
<u>http://srv00.recas.ba.infn.it/reditools/#reditooldnarna-py</u>
2.selectPositions.py -i outTable_891206177 -d 12 -c 2 -C 10 -v 2 -V 0 -f 0.1 -F 1.0 -e -u -o candidates.txt
针对每个位点的信息进行筛选过滤，保留潜在的RNA编辑位点，程序详细参数：
<u>http://srv00.recas.ba.infn.it/reditools/#selectpositions-py</u>
-
AnnotateTable.py -a ../../rmsk.gtf.gz -i candidates.txt -u -c 1,2,3 -n RepMask -o candidates.rmsk.txt
使用Repeat Mask数据库去寻找Alu位点，程序详细参数：
<u>http://srv00.recas.ba.infn.it/reditools/#annotatetable-py</u>
4.FilterTable.py -i candidates.rmsk.txt -f ../../rmsk.gtf.gz -F SINE -E -o candidates.rmsk.alu.txt -p
保留注释在SINE区域的注释，程序详细参数：
<u>http://srv00.recas.ba.infn.it/reditools/#filtertable-py</u>
5.AnnotateTable.py -a ../../refGene.sorted.gtf.gz -i candidates.rmsk.alu.txt -u -c 1,2 -n RefSeq -o candidates.rmsk.alu.ann.txt
再使用RefSeq数据库注释，输出文件将多出gene_id、transcript_id和feature等列。
五．实际数据测试
1.python REDItoolDnaRna_jy.py -i RNA.bam -j DNA.bam -f GRCh37.fa -o reditool-test -c 10,1 -Q 33,64 -q 25,25 -m 20,20 -s 2 -g 1 -u -a 6-0 -v 2 -n0.0 -N0.0 -V -t 24
2.python selectPositions.py -i outTable_22 -d 12 -c 2 -C 10 -v 2 -V 0 -f 0.1 -F 1.0 -e -u -o candidates.txt
cat candidates.txt
筛选符合要求的位点，因要求比较严，所以筛选后留下了很少的点.
3.python AnnotateTable.py -a rmsk.gtf.gz -i candidates.txt -u -c 1,2,3 -n RepMask -o candidates.rmsk.txt
cat candidates.rmsk.txt
4.python FilterTable.py -i candidates.rmsk.txt -f rmsk.gtf.gz -F SINE -E -o candidates.rmsk.alu.txt -p
5.python AnnotateTable.py -a refGene.sorted.gtf.gz -i candidates.rmsk.alu.txt -u -c 1,2 -n RefSeq -o candidates.rmsk.alu.ann.txt
对RepMask 数据库注释后的文件进行筛选，没有符合要求的点，固4和5两步生成的结果为空，即推断没有RNA编辑位点。
特别注意：因当时写软件中脚本的时间比较早，所以python中的pysam模块的版本也是比较早的，用当前版本的pysam模块时，原程序会报错。可以自行对REDItoolDnaRna.py进行下修改。
