Puedes usar BigQuery para ejecutar una consulta de JOIN en variantes con datos descritos por intervalos de región genómica o superposiciones. En esta página, se muestra cómo usar una consulta JOIN compleja para tomar una lista de nombres de genes y hacer lo siguiente:
- Encontrar los SNP poco frecuentes que se superponen a los genes
- Encontrar 100,000 pares de bases en cada lado de un gen para las muestras de genoma completo.
En esta guía, se muestran ejemplos de tres consultas. Cada consulta muestra cómo BigQuery escala según diferentes tamaños de datos genómicos:
- Consulta una tabla intercalada.
- Consulta una tabla materializada con genes específicos.
- Consulta una tabla materializada con 250 genes aleatorios.
Los datos provienen de la tabla Tute Genomics Annotation, de casi 9,000 millones de filas y del conjunto de datos de Platinum Genomes de Illumina. Si no estás familiarizado con estos conjuntos de datos, consulta estos vínculos:
- Exploración de la variación genética con Google Genomics y Tute del blog de Google Cloud
- Illumina Platinum Genomes en la sección de conjuntos de datos públicos.
Consultar una tabla intercalada
En el siguiente ejemplo, se usa una tabla de intervalo definida en la consulta, llamada intervals, y se muestra cómo ejecutar una consulta de JOIN con una tabla que contiene variantes de Platinum Genomes de Illumina:
Ve a la página de BigQuery en la consola de Google Cloud.
Haz clic en Redactar consulta.
En el campo Consulta nueva, ejecuta la siguiente consulta:
#standardSQL WITH -- -- Retrieve the variants in this cohort, flattening by alternate bases and -- counting affected alleles. variants AS ( SELECT REPLACE(reference_name, 'chr', '') as reference_name, start_position, end_position, reference_bases, alternate_bases.alt AS alt, (SELECT COUNTIF(gt = alt_offset+1) FROM v.call call, call.genotype gt) AS num_variant_alleles, (SELECT COUNTIF(gt >= 0) FROM v.call call, call.genotype gt) AS total_num_alleles FROM `bigquery-public-data.human_genome_variants.platinum_genomes_deepvariant_variants_20180823` v, UNNEST(v.alternate_bases) alternate_bases WITH OFFSET alt_offset ), -- -- Define an inline table that uses five rows -- selected from silver-wall-555.TuteTable.hg19. intervals AS ( SELECT * FROM UNNEST ([ STRUCT<Gene STRING, Chr STRING, gene_start INT64, gene_end INT64, region_start INT64, region_end INT64> ('PRCC', '1', 156736274, 156771607, 156636274, 156871607), ('NTRK1', '1', 156785541, 156852640, 156685541, 156952640), ('PAX8', '2', 113972574, 114037496, 113872574, 114137496), ('FHIT', '3', 59734036, 61238131, 59634036, 61338131), ('PPARG', '3', 12328349, 12476853, 12228349, 12576853) ])), -- -- JOIN the variants with the genomic intervals overlapping -- the genes of interest. -- -- The JOIN criteria is complicated because the task is to see if -- an SNP overlaps an interval. With standard SQL you can use complex -- JOIN predicates, including arbitrary expressions. gene_variants AS ( SELECT reference_name, start_position, reference_bases, alt, num_variant_alleles, total_num_alleles FROM variants INNER JOIN intervals ON variants.reference_name = intervals.Chr AND intervals.region_start <= variants.start_position AND intervals.region_end >= variants.end_position ) -- -- And finally JOIN the variants in the regions of interest -- with annotations for rare variants. SELECT DISTINCT Chr, annots.Start AS Start, Ref, annots.Alt, Func, Gene, PopFreqMax, ExonicFunc, num_variant_alleles, total_num_alleles FROM `silver-wall-555.TuteTable.hg19` AS annots INNER JOIN gene_variants AS vars ON vars.reference_name = annots.Chr AND vars.start_position = annots.Start AND vars.reference_bases = annots.Ref AND vars.alt = annots.Alt WHERE -- Retrieve annotations for rare variants only. PopFreqMax <= 0.01 ORDER BY Chr, Start;Haz clic en Ejecutar consulta. La consulta tarda unos diez segundos en ejecutarse y procesa alrededor de 334 GB de datos. Los resultados de la consulta identifican variantes poco frecuentes dentro de la cohorte que se superponen en las regiones de interés.
Expande la siguiente sección para ver los resultados de la consulta:
Resultados de la consulta
Cr Inicio Ref Alternativa: Función Gen PopFreqMax ExonicFunc num_variant_alleles total_num_alleles 1 156699757 T C intronico RRNAD1 0.002 2 4 1 156705390 C T intronico RRNAD1 8.0E-4 0 2 1 156714207 T C intronico HDGF 0.003 0 6 1 156714440 A C intronico HDGF 0.0068 0 12 1 156723870 C T intergénico HDGF,PRCC 0.006 1 2 1 156724456 C T intergénico HDGF,PRCC 0.002 2 4 1 156733988 C T intergénico HDGF,PRCC 0.001 1 2 1 156742258 T G intronico PRCC 0.001 2 4 1 156744826 T G intronico PRCC 0.002 0 8 1 156779764 G A intronico SH2D2A 0.001 2 4 1 156783454 A C intronico SH2D2A 0.0014 1 2 1 156786144 C T intronico NTRK1 y SH2D2A 0.0031 2 4 1 156790510 A T intronico NTRK1 0.002 1 2 1 156815332 A C intronico INSRR,NTRK1 0.003 0 2 1 156830778 G A exónico NTRK1 0.0067 error 2 4 1 156842064 C T intronico NTRK1 0.0014 1 2 1 156843438 C A exónico NTRK1 0.0032 error 1 2 1 156845773 C T intronico NTRK1 0.001 2 4 1 156873318 T C intronico PEAR1 0.01 4 8 1 156922740 G A intronico ARHGEF11 0.007 1 2 1 156930100 C T intronico ARHGEF11 0.001 2 4 2 113901230 G A intergénico IL1RN y PSD4 0.0082 1 2 2 113953418 C A intronico PSD4 0.001 2 4 2 113967621 G C intergénico PSD4 y PAX8 0.002 0 6 2 113967624 T C intergénico PSD4 y PAX8 0.002 0 2 2 113980967 G A intronico PAX8 0.002 2 4 2 113994010 A C ncRNA_exonic PAX8-AS1 0.001 0 4 2 113997745 C A ncRNA_exonic PAX8-AS1 0.001 2 4 2 114061327 T C intergénico PAX8 y CBWD2 0.001 2 4 2 114084018 A C intergénico PAX8 y CBWD2 0.0045 0 4 2 114099037 G A intergénico PAX8 y CBWD2 0.0051 1 2 2 114105670 A T intergénico PAX8 y CBWD2 0.001 1 2 2 114111325 G T intergénico PAX8 y CBWD2 0.001 1 2 3 12265797 C T intergénico SYN2 y PPARG 0.0089 2 4 3 12277958 A G intergénico SYN2 y PPARG 0.002 1 2 3 12296019 G A intergénico SYN2 y PPARG 0.002 2 4 3 12316549 G C intergénico SYN2 y PPARG 0.002 1 2 3 12335681 T G intronico PPARG 0.0092 2 4 3 12348795 T C intronico PPARG 0.0014 1 2 3 12353106 T C intronico PPARG 0.001 2 4 3 12403825 G A intronico PPARG 0.0051 2 4 3 12404394 G A intronico PPARG 0.001 1 2 3 12410289 G A intronico PPARG 0.008 2 4 3 12431381 C T intronico PPARG 0.0061 2 4 3 12447267 G A intronico PPARG 0.0089 2 4 3 12449379 C T intronico PPARG 0.0092 2 4 3 12450848 C A intronico PPARG 0.0092 2 4 3 12462847 T C intronico PPARG 0.002 1 2 3 12492797 G A intergénico PPARG,TSEN2 0.01 1 2 3 12503201 G A intergénico PPARG,TSEN2 0.0099 2 4 3 12530460 A G intronico TSEN2 0.0092 2 4 3 12531167 A G intronico TSEN2 0.0099 2 4 3 12557737 A G intronico TSEN2 0.001 2 4 3 59636143 A G intergénico C3orf67,FHIT 0.003 3 6 3 59645934 A C intergénico C3orf67,FHIT 0.004 1 2 3 59646893 G A intergénico C3orf67,FHIT 0.002 1 2 3 59697024 A G intergénico C3orf67,FHIT 0.0072 1 2 3 59701013 G A intergénico C3orf67,FHIT 0.004 2 4 3 59733945 A G intergénico C3orf67,FHIT 0.001 2 4 3 59747482 C T intronico FHIT 0.001 2 4 3 59750635 A G intronico FHIT 0.003 1 2 3 59757776 C T intronico FHIT 0.001 2 4 3 59770612 G A intronico FHIT 0.001 2 4 3 59804444 G C intronico FHIT 0.001 2 4 3 59819769 T C intronico FHIT 0.001 2 4 3 59884396 C T intronico FHIT 0.001 2 4 3 59960728 A C intronico FHIT 0.01 1 2 3 59970345 G A intronico FHIT 0.002 1 2 3 59972417 T A intronico FHIT 0.0072 0 2 3 60104328 C A intronico FHIT 0.01 2 4 3 60139062 G A intronico FHIT 0.01 0 2 3 60158066 C T intronico FHIT 0.001 1 2 3 60169285 C T intronico FHIT 0.005 1 2 3 60216185 T C intronico FHIT 0.002 1 2 3 60226380 G A intronico FHIT 0.007 2 4 3 60234539 C A intronico FHIT 0.002 1 2 3 60247464 A C intronico FHIT 0.004 2 4 3 60269926 A G intronico FHIT 0.007 2 4 3 60271228 G T intronico FHIT 0.007 2 4 3 60286972 T C intronico FHIT 0.001 2 4 3 60301412 C G intronico FHIT 0.001 1 2 3 60312251 C T intronico FHIT 0.0099 1 2 3 60317682 A G intronico FHIT 0.008 1 2 3 60328557 C G intronico FHIT 0.0043 2 4 3 60342562 C T intronico FHIT 0.006 1 2 3 60400033 G A intronico FHIT 0.004 2 4 3 60435819 C T intronico FHIT 0.006 2 4 3 60435820 G T intronico FHIT 0.004 1 2 3 60441288 T C intronico FHIT 0.006 2 4 3 60444465 C A intronico FHIT 0.01 1 2 3 60444575 C T intronico FHIT 0.001 1 2 3 60450581 T C intronico FHIT 0.01 1 2 3 60456571 G A intronico FHIT 0.001 2 4 3 60473568 C G intronico FHIT 0.001 1 2 3 60487557 T C intronico FHIT 0.001 1 2 3 60559705 A G intronico FHIT 0.002 2 4 3 60570764 T C intronico FHIT 0.008 2 4 3 60582100 C T intronico FHIT 0.001 1 2 3 60587192 G A intronico FHIT 0.004 1 2 3 60599869 G A intronico FHIT 0.0086 2 4 3 60603091 C T intronico FHIT 0.001 2 4 3 60603250 A T intronico FHIT 0.0099 1 2 3 60609831 T G intronico FHIT 0.001 2 4 3 60619756 G T intronico FHIT 0.0015 2 4 3 60680758 C T intronico FHIT 0.0089 2 4 3 60702243 G C intronico FHIT 0.001 2 4 3 60702532 A G intronico FHIT 0.001 1 2 3 60714328 A T intronico FHIT 0.004 1 2 3 60725297 G A intronico FHIT 0.001 1 2 3 60726640 G A intronico FHIT 0.01 2 4 3 60795144 A G intronico FHIT 0.001 2 4 3 60807171 A G intronico FHIT 0.001 1 2 3 60813868 T C intronico FHIT 0.001 1 2 3 60826546 C G intronico FHIT 0.0023 1 2 3 60837392 C T intronico FHIT 0.001 1 2 3 60846310 A G intronico FHIT 0.01 0 2 3 60850985 C T intronico FHIT 0.004 1 2 3 60852559 T C intronico FHIT 0.008 1 2 3 60871759 T C intronico FHIT 0.004 1 2 3 60884396 C T intronico FHIT 0.002 2 4 3 60897092 C A intronico FHIT 0.001 2 4 3 60940759 C T intronico FHIT 0.0089 1 2 3 60982595 A G intronico FHIT 0.003 2 4 3 60999283 G A intronico FHIT 0.001 1 2 3 61042977 A G intronico FHIT 0.001 2 4 3 61043349 T C intronico FHIT 0.001 2 4 3 61044789 A C intronico FHIT 0.001 2 4 3 61141621 G A intronico FHIT 0.003 1 2 3 61148655 G C intronico FHIT 0.001 2 4 3 61170747 C T intronico FHIT 0.003 1 2 3 61189473 C G intronico FHIT 0.0099 1 2 3 61190425 C T intronico FHIT 0.0023 2 4 3 61193853 C T intronico FHIT 0.0099 0 2 3 61194793 C T intronico FHIT 0.007 0 2 3 61194840 A G intronico FHIT 0.0099 0 2 3 61194886 T A intronico FHIT 0.0099 0 2 3 61201777 C T intronico FHIT 0.001 2 4 3 61202292 T C intronico FHIT 0.007 1 2 3 61232806 G C intronico FHIT 0.0099 1 2 3 61232910 C T intronico FHIT 0.0099 1 2 3 61235824 A T intronico FHIT 0.001 2 4 3 61283810 A C intergénico FHIT,PTPRG 0.0089 1 2 3 61293731 T A intergénico FHIT,PTPRG 0.0089 2 4 3 61296730 C T intergénico FHIT,PTPRG 0.001 1 2 3 61326341 C T intergénico FHIT,PTPRG 0.004 2 4 3 61326620 T C intergénico FHIT,PTPRG 0.01 1 2 3 61327649 G C intergénico FHIT,PTPRG 0.001 2 4 3 61330545 G C intergénico FHIT,PTPRG 0.001 2 4 3 61335803 G A intergénico FHIT,PTPRG 0.001 2 4 Una consulta similar que use los datos de la fase 3 de 1,000 genomas tarda alrededor de 90 segundos en ejecutarse y procesa alrededor de 3.38 TB de datos.
Usa una tabla materializada
Cuando trabajas con macrodatos a gran escala, puedes materializar una tabla de intervalo y ejecutar una consulta de JOIN en la tabla nueva. Antes de continuar con el resto de esta sección, sigue estos pasos para crear un conjunto de datos:
Abre la página BigQuery en la consola de Google Cloud.
En el panel Explorador, selecciona el proyecto en el que deseas crear el conjunto de datos.
Expande la opción Acciones y haz clic en Crear conjunto de datos.
En la página Crear conjunto de datos:
- En ID del conjunto de datos, ingresa
genomics. - Deja el resto de la configuración predeterminada tal como está.
- Haz clic en Crear conjunto de datos.
- En ID del conjunto de datos, ingresa
Realiza consultas en una tabla materializada con genes específicos
En los siguientes pasos, se muestra cómo materializar una tabla de intervalo nueva que contenga una lista de genes específicos de la tabla silver-wall-555:TuteTable.hg19.
Para crear la tabla de intervalo, sigue estos pasos:
Abre la página BigQuery en la consola de Google Cloud.
Haz clic en Redactar consulta.
En el campo Nueva consulta, ejecuta la siguiente consulta. La consulta materializa parte de la tabla silver-wall-555:TuteTable.hg19 en una tabla de intervalo
genomics.myIntervalTablenueva.#standardSQL CREATE TABLE `genomics.myIntervalTable` AS ( SELECT Gene, Chr, MIN(Start) AS gene_start, MAX(`End`) AS gene_end, MIN(Start)-100000 AS region_start, MAX(`End`)+100000 AS region_end FROM `silver-wall-555.TuteTable.hg19` WHERE Gene IN ('APC', 'ATM', 'BMPR1A', 'BRCA1', 'BRCA2', 'CDK4', 'CDKN2A', 'CREBBP', 'EGFR', 'EP300', 'ETV6', 'FHIT', 'FLT3', 'HRAS', 'KIT', 'MET', 'MLH1', 'NTRK1', 'PAX8', 'PDGFRA', 'PPARG', 'PRCC', 'PRKAR1A', 'PTEN', 'RET', 'STK11', 'TFE3', 'TGFB1', 'TGFBR2', 'TP53', 'WWOX') GROUP BY Chr, Gene );Haz clic en Ejecutar consulta. La consulta muestra el siguiente resultado:
This statement created a new table named PROJECT_ID:genomics.myIntervalTable.
En el campo Consulta nueva, ejecuta la siguiente consulta:
#standardSQL WITH -- -- Retrieve the variants in this cohort, flattening by alternate bases and -- counting affected alleles. variants AS ( SELECT REPLACE(reference_name, 'chr', '') as reference_name, start_position, end_position, reference_bases, alternate_bases.alt AS alt, (SELECT COUNTIF(gt = alt_offset+1) FROM v.call call, call.genotype gt) AS num_variant_alleles, (SELECT COUNTIF(gt >= 0) FROM v.call call, call.genotype gt) AS total_num_alleles FROM `bigquery-public-data.human_genome_variants.platinum_genomes_deepvariant_variants_20180823` v, UNNEST(v.alternate_bases) alternate_bases WITH OFFSET alt_offset ), -- -- JOIN the variants with the genomic intervals overlapping -- the genes of interest. -- -- The JOIN criteria is complicated because the task is to see if -- an SNP overlaps an interval. With standard SQL you can use complex -- JOIN predicates, including arbitrary expressions. gene_variants AS ( SELECT reference_name, start_position, reference_bases, alt, num_variant_alleles, total_num_alleles FROM variants INNER JOIN `genomics.myIntervalTable` AS intervals ON variants.reference_name = intervals.Chr AND intervals.region_start <= variants.start_position AND intervals.region_end >= variants.end_position ) -- -- And finally JOIN the variants in the regions of interest -- with annotations for rare variants. SELECT DISTINCT Chr, annots.Start AS Start, Ref, annots.Alt, Func, Gene, PopFreqMax, ExonicFunc, num_variant_alleles, total_num_alleles FROM `silver-wall-555.TuteTable.hg19` AS annots INNER JOIN gene_variants AS vars ON vars.reference_name = annots.Chr AND vars.start_position = annots.Start AND vars.reference_bases = annots.Ref AND vars.alt = annots.Alt WHERE -- Retrieve annotations for rare variants only. PopFreqMax <= 0.01 ORDER BY Chr, Start;Haz clic en Ejecutar consulta. La consulta tarda unos diez segundos en ejecutarse y procesa alrededor de 334 GB de datos. Los resultados de la consulta identifican variantes poco frecuentes dentro de la cohorte que se superponen en las regiones de interés.
Expande la siguiente sección para ver los resultados de la consulta:
Resultados de la consulta
Cr Inicio Ref Alternativa: Función Gen PopFreqMax ExonicFunc num_variant_alleles total_num_alleles 1 156699757 T C intronico RRNAD1 0.002 2 4 1 156705390 C T intronico RRNAD1 8.0E-4 0 2 1 156714207 T C intronico HDGF 0.003 0 6 1 156714440 A C intronico HDGF 0.0068 0 12 1 156723870 C T intergénico HDGF,PRCC 0.006 1 2 1 156724456 C T intergénico HDGF,PRCC 0.002 2 4 1 156733988 C T intergénico HDGF,PRCC 0.001 1 2 1 156742258 T G intronico PRCC 0.001 2 4 1 156744826 T G intronico PRCC 0.002 0 8 1 156779764 G A intronico SH2D2A 0.001 2 4 1 156783454 A C intronico SH2D2A 0.0014 1 2 1 156786144 C T intronico NTRK1 y SH2D2A 0.0031 2 4 1 156790510 A T intronico NTRK1 0.002 1 2 1 156815332 A C intronico INSRR,NTRK1 0.003 0 2 1 156830778 G A exónico NTRK1 0.0067 error 2 4 1 156842064 C T intronico NTRK1 0.0014 1 2 1 156843438 C A exónico NTRK1 0.0032 error 1 2 1 156845773 C T intronico NTRK1 0.001 2 4 1 156873318 T C intronico PEAR1 0.01 4 8 1 156922740 G A intronico ARHGEF11 0.007 1 2 1 156930100 C T intronico ARHGEF11 0.001 2 4 2 113901230 G A intergénico IL1RN y PSD4 0.0082 1 2 2 113953418 C A intronico PSD4 0.001 2 4 2 113967621 G C intergénico PSD4 y PAX8 0.002 0 6 2 113967624 T C intergénico PSD4 y PAX8 0.002 0 2 2 113980967 G A intronico PAX8 0.002 2 4 2 113994010 A C ncRNA_exonic PAX8-AS1 0.001 0 4 2 113997745 C A ncRNA_exonic PAX8-AS1 0.001 2 4 2 114061327 T C intergénico PAX8 y CBWD2 0.001 2 4 2 114084018 A C intergénico PAX8 y CBWD2 0.0045 0 4 2 114099037 G A intergénico PAX8 y CBWD2 0.0051 1 2 2 114105670 A T intergénico PAX8 y CBWD2 0.001 1 2 2 114111325 G T intergénico PAX8 y CBWD2 0.001 1 2 3 12265797 C T intergénico SYN2 y PPARG 0.0089 2 4 3 12277958 A G intergénico SYN2 y PPARG 0.002 1 2 3 12296019 G A intergénico SYN2 y PPARG 0.002 2 4 3 12316549 G C intergénico SYN2 y PPARG 0.002 1 2 3 12335681 T G intronico PPARG 0.0092 2 4 3 12348795 T C intronico PPARG 0.0014 1 2 3 12353106 T C intronico PPARG 0.001 2 4 3 12403825 G A intronico PPARG 0.0051 2 4 3 12404394 G A intronico PPARG 0.001 1 2 3 12410289 G A intronico PPARG 0.008 2 4 3 12431381 C T intronico PPARG 0.0061 2 4 3 12447267 G A intronico PPARG 0.0089 2 4 3 12449379 C T intronico PPARG 0.0092 2 4 3 12450848 C A intronico PPARG 0.0092 2 4 3 12462847 T C intronico PPARG 0.002 1 2 3 12492797 G A intergénico PPARG,TSEN2 0.01 1 2 3 12503201 G A intergénico PPARG,TSEN2 0.0099 2 4 3 12530460 A G intronico TSEN2 0.0092 2 4 3 12531167 A G intronico TSEN2 0.0099 2 4 3 12557737 A G intronico TSEN2 0.001 2 4 3 59636143 A G intergénico C3orf67,FHIT 0.003 3 6 3 59645934 A C intergénico C3orf67,FHIT 0.004 1 2 3 59646893 G A intergénico C3orf67,FHIT 0.002 1 2 3 59697024 A G intergénico C3orf67,FHIT 0.0072 1 2 3 59701013 G A intergénico C3orf67,FHIT 0.004 2 4 3 59733945 A G intergénico C3orf67,FHIT 0.001 2 4 3 59747482 C T intronico FHIT 0.001 2 4 3 59750635 A G intronico FHIT 0.003 1 2 3 59757776 C T intronico FHIT 0.001 2 4 3 59770612 G A intronico FHIT 0.001 2 4 3 59804444 G C intronico FHIT 0.001 2 4 3 59819769 T C intronico FHIT 0.001 2 4 3 59884396 C T intronico FHIT 0.001 2 4 3 59960728 A C intronico FHIT 0.01 1 2 3 59970345 G A intronico FHIT 0.002 1 2 3 59972417 T A intronico FHIT 0.0072 0 2 3 60104328 C A intronico FHIT 0.01 2 4 3 60139062 G A intronico FHIT 0.01 0 2 3 60158066 C T intronico FHIT 0.001 1 2 3 60169285 C T intronico FHIT 0.005 1 2 3 60216185 T C intronico FHIT 0.002 1 2 3 60226380 G A intronico FHIT 0.007 2 4 3 60234539 C A intronico FHIT 0.002 1 2 3 60247464 A C intronico FHIT 0.004 2 4 3 60269926 A G intronico FHIT 0.007 2 4 3 60271228 G T intronico FHIT 0.007 2 4 3 60286972 T C intronico FHIT 0.001 2 4 3 60301412 C G intronico FHIT 0.001 1 2 3 60312251 C T intronico FHIT 0.0099 1 2 3 60317682 A G intronico FHIT 0.008 1 2 3 60328557 C G intronico FHIT 0.0043 2 4 3 60342562 C T intronico FHIT 0.006 1 2 3 60400033 G A intronico FHIT 0.004 2 4 3 60435819 C T intronico FHIT 0.006 2 4 3 60435820 G T intronico FHIT 0.004 1 2 3 60441288 T C intronico FHIT 0.006 2 4 3 60444465 C A intronico FHIT 0.01 1 2 3 60444575 C T intronico FHIT 0.001 1 2 3 60450581 T C intronico FHIT 0.01 1 2 3 60456571 G A intronico FHIT 0.001 2 4 3 60473568 C G intronico FHIT 0.001 1 2 3 60487557 T C intronico FHIT 0.001 1 2 3 60559705 A G intronico FHIT 0.002 2 4 3 60570764 T C intronico FHIT 0.008 2 4 3 60582100 C T intronico FHIT 0.001 1 2 3 60587192 G A intronico FHIT 0.004 1 2 3 60599869 G A intronico FHIT 0.0086 2 4 3 60603091 C T intronico FHIT 0.001 2 4 3 60603250 A T intronico FHIT 0.0099 1 2 3 60609831 T G intronico FHIT 0.001 2 4 3 60619756 G T intronico FHIT 0.0015 2 4 3 60680758 C T intronico FHIT 0.0089 2 4 3 60702243 G C intronico FHIT 0.001 2 4 3 60702532 A G intronico FHIT 0.001 1 2 3 60714328 A T intronico FHIT 0.004 1 2 3 60725297 G A intronico FHIT 0.001 1 2 3 60726640 G A intronico FHIT 0.01 2 4 3 60795144 A G intronico FHIT 0.001 2 4 3 60807171 A G intronico FHIT 0.001 1 2 3 60813868 T C intronico FHIT 0.001 1 2 3 60826546 C G intronico FHIT 0.0023 1 2 3 60837392 C T intronico FHIT 0.001 1 2 3 60846310 A G intronico FHIT 0.01 0 2 3 60850985 C T intronico FHIT 0.004 1 2 3 60852559 T C intronico FHIT 0.008 1 2 3 60871759 T C intronico FHIT 0.004 1 2 3 60884396 C T intronico FHIT 0.002 2 4 3 60897092 C A intronico FHIT 0.001 2 4 3 60940759 C T intronico FHIT 0.0089 1 2 3 60982595 A G intronico FHIT 0.003 2 4 3 60999283 G A intronico FHIT 0.001 1 2 3 61042977 A G intronico FHIT 0.001 2 4 3 61043349 T C intronico FHIT 0.001 2 4 3 61044789 A C intronico FHIT 0.001 2 4 3 61141621 G A intronico FHIT 0.003 1 2 3 61148655 G C intronico FHIT 0.001 2 4 3 61170747 C T intronico FHIT 0.003 1 2 3 61189473 C G intronico FHIT 0.0099 1 2 3 61190425 C T intronico FHIT 0.0023 2 4 3 61193853 C T intronico FHIT 0.0099 0 2 3 61194793 C T intronico FHIT 0.007 0 2 3 61194840 A G intronico FHIT 0.0099 0 2 3 61194886 T A intronico FHIT 0.0099 0 2 3 61201777 C T intronico FHIT 0.001 2 4 3 61202292 T C intronico FHIT 0.007 1 2 3 61232806 G C intronico FHIT 0.0099 1 2 3 61232910 C T intronico FHIT 0.0099 1 2 3 61235824 A T intronico FHIT 0.001 2 4 3 61283810 A C intergénico FHIT,PTPRG 0.0089 1 2 3 61293731 T A intergénico FHIT,PTPRG 0.0089 2 4 3 61296730 C T intergénico FHIT,PTPRG 0.001 1 2 3 61326341 C T intergénico FHIT,PTPRG 0.004 2 4 3 61326620 T C intergénico FHIT,PTPRG 0.01 1 2 3 61327649 G C intergénico FHIT,PTPRG 0.001 2 4 3 61330545 G C intergénico FHIT,PTPRG 0.001 2 4 3 61335803 G A intergénico FHIT,PTPRG 0.001 2 4 Una consulta similar que use los datos de la fase 3 de 1,000 genomas tarda alrededor de 90 segundos en ejecutarse y procesa alrededor de 3.38 TB de datos.
Realiza consultas en una tabla materializada con 250 genes aleatorios
En el siguiente ejemplo, se muestra cómo ejecutar un JOIN de intervalo en una tabla materializada que contiene 250 genes seleccionados de forma aleatoria de la tabla silver-wall-555:TuteTable.hg19.
Para crear la tabla de intervalo, sigue estos pasos:
Abre la página BigQuery en la consola de Google Cloud.
Haz clic en Redactar consulta.
En el campo Consulta nueva, ejecuta la siguiente consulta, que materializa parte de la tabla silver-wall-555:TuteTable.hg19 en una nueva tabla de intervalo
genomics.randomGenesIntervalTable.#standardSQL CREATE TABLE `genomics.randomGenesIntervalTable` AS ( SELECT Gene, Chr, MIN(Start) AS gene_start, MAX(`End`) AS gene_end, MIN(Start) - 100000 AS region_start, MAX(`End`) + 100000 AS region_end FROM `silver-wall-555.TuteTable.hg19` WHERE Gene IN (SELECT Gene FROM `silver-wall-555.TuteTable.hg19` GROUP BY Gene LIMIT 250) GROUP BY Chr, Gene );
- Haz clic en Ejecutar consulta. La consulta muestra el siguiente resultado:
This statement created a new table named PROJECT_ID:genomics.randomGenesIntervalTable.
En el campo Consulta nueva, ejecuta la siguiente consulta:
#standardSQL WITH -- -- Retrieve the variants in this cohort, flattening by alternate bases and -- counting affected alleles. variants AS ( SELECT REPLACE(reference_name, 'chr', '') as reference_name, start_position, end_position, reference_bases, alternate_bases.alt AS alt, (SELECT COUNTIF(gt = alt_offset+1) FROM v.call call, call.genotype gt) AS num_variant_alleles, (SELECT COUNTIF(gt >= 0) FROM v.call call, call.genotype gt) AS total_num_alleles FROM `bigquery-public-data.human_genome_variants.platinum_genomes_deepvariant_variants_20180823` v, UNNEST(v.alternate_bases) alternate_bases WITH OFFSET alt_offset ), -- -- JOIN the variants with the genomic intervals overlapping -- the genes of interest. -- -- The JOIN criteria is complicated because the task is to see if -- an SNP overlaps an interval. With standard SQL you can use complex -- JOIN predicates, including arbitrary expressions. gene_variants AS ( SELECT reference_name, start_position, reference_bases, alt, num_variant_alleles, total_num_alleles FROM variants INNER JOIN `genomics.randomGenesIntervalTable` AS intervals ON variants.reference_name = intervals.Chr AND intervals.region_start <= variants.start_position AND intervals.region_end >= variants.end_position ) -- -- And finally JOIN the variants in the regions of interest -- with annotations for rare variants. SELECT DISTINCT Chr, annots.Start AS Start, Ref, annots.Alt, Func, Gene, PopFreqMax, ExonicFunc, num_variant_alleles, total_num_alleles FROM `silver-wall-555.TuteTable.hg19` AS annots INNER JOIN gene_variants AS vars ON vars.reference_name = annots.Chr AND vars.start_position = annots.Start AND vars.reference_bases = annots.Ref AND vars.alt = annots.Alt WHERE -- Retrieve annotations for rare variants only. PopFreqMax <= 0.01 ORDER BY Chr, Start;Haz clic en Ejecutar consulta. La consulta tarda unos diez segundos en ejecutarse y procesa alrededor de 334 GB de datos. Los resultados de la consulta identifican variantes poco frecuentes dentro de la cohorte que se superponen en las regiones de interés.
Expande la siguiente sección para ver los resultados truncados de la consulta:
Resultados de la consulta
Cr Inicio Ref Alternativa: Función Gen PopFreqMax ExonicFunc num_variant_alleles total_num_alleles 1 2925355 C A intergénico TTC34 y ACTRT2 0.001 2 4 1 2933170 G A intergénico TTC34 y ACTRT2 0.0083 0 4 1 2944477 G A intergénico ACTRT2,LINC00982 0.003 4 6 1 2967591 A T intergénico ACTRT2,LINC00982 0.0092 1 2 1 2975255 T C downstream LINC00982 0.0082 1 2 1 2977223 C T ncRNA_intronic LINC00982 0.0072 1 2 1 2978803 G C ncRNA_exonic LINC00982 0.002 4 6 1 3006466 G A intronico PRDM16 0.0098 1 2 1 3011333 G T intronico PRDM16 0.004 1 2 1 3019659 C T intronico PRDM16 0.0031 1 2 1 3036896 G A intronico PRDM16 0.001 1 2 1 3037388 G A intronico PRDM16 0.002 2 4 1 3041250 T G intronico PRDM16 0.006 2 4 1 3042502 A T intronico PRDM16 0.003 4 6 1 3053713 A C intronico PRDM16 0.002 1 2 1 3063109 C T intronico PRDM16 0.002 0 2 1 3063593 T C intronico PRDM16 0.003 1 2 1 3076439 C T intronico PRDM16 0.001 2 4 1 3078960 G A intronico PRDM16 0.007 2 4 1 3084268 A C intronico PRDM16 0.005 0 2 1 3084492 T C intronico PRDM16 0.0015 0 2 1 3084786 T C intronico PRDM16 0.0015 0 4 1 3111119 G A intronico PRDM16 0.003 1 2 1 3111643 C T intronico PRDM16 0.0041 1 2 1 3114807 G A intronico PRDM16 0.0041 1 2 1 3165530 C T intronico PRDM16 0.0089 1 2 1 3169325 G A intronico PRDM16 0.008 2 4 1 3179623 C T intronico PRDM16 0.003 2 4 1 3181097 C T intronico PRDM16 0.001 2 4 1 3194000 G C intronico PRDM16 0.005 2 4 1 3195769 T C intronico PRDM16 0.002 1 2 1 3197351 C T intronico PRDM16 0.0061 1 2 1 3224100 C A intronico PRDM16 0.003 2 4 1 3228644 G T intronico PRDM16 0.001 2 4 1 3234045 G A intronico PRDM16 0.002 1 2 1 3235971 G A intronico PRDM16 0.0089 1 2 1 3274115 C T intronico PRDM16 0.001 2 4 1 3291388 G A intronico PRDM16 0.002 2 4 1 3295658 A C intronico PRDM16 0.0068 0 6 1 3295937 A C intronico PRDM16 0.0068 0 2 1 3296205 T C intronico PRDM16 0.0083 0 2 1 3315690 G A intronico PRDM16 0.001 2 4 1 3329212 G A exónico PRDM16 0.0031 error 1 2 1 3331787 C T intronico PRDM16 0.0099 1 2 1 3370316 G C upstream ARHGEF16 0.001 2 4 1 3379560 A G intronico ARHGEF16 0.0051 0 6 1 3391174 C T intronico ARHGEF16 0.006 1 2 1 3413873 G A exónico MEGF6 0.003 error 1 2 1 3416272 C T exónico MEGF6 0.0072 silencioso 2 4 1 3417122 G A intronico MEGF6 0.0038 2 4 1 3436219 G A intronico MEGF6 0.0046 2 4 1 12907456 A G exónico HNRNPCL1 y LOC649330 0.006 error 0 10 1 12907518 C A exónico HNRNPCL1 y LOC649330 1.0E-4 error 0 10 1 12908499 G C intronico HNRNPCL1 0.0031 0 8 1 12931660 G C intergénico PRAMEF2,PRAMEF4 0.004 1 2 1 12937721 G T intergénico PRAMEF2,PRAMEF4 0.0038 0 2 1 12940827 G T intronico PRAMEF4 0.007 2 4 1 12942759 T G intronico PRAMEF4 0.0076 0 10 1 12942805 T G intronico PRAMEF4 0.0061 0 12 1 12942812 G A intronico PRAMEF4 0.0061 0 12 1 12942875 A G intronico PRAMEF4 0.0068 0 6 1 12942912 G C intronico PRAMEF4 2.0E-4 0 2 1 12942937 A T exónico PRAMEF4 0.0029 error 0 2 1 12942940 T G exónico PRAMEF4 0.0038 error 0 2 1 12943940 T C intronico PRAMEF4 0.0015 0 12 1 12944138 A G intronico PRAMEF4 8.0E-4 0 12 1 12944234 G A intronico PRAMEF4 0.0015 0 12 1 12944589 T G intronico PRAMEF4 0.003 0 4 1 12944845 A C intronico PRAMEF4 0.0014 0 6 1 12946439 T C upstream PRAMEF4 0.0029 0 10 1 12946833 G A upstream PRAMEF4 0.001 0 8 1 12946835 T A upstream PRAMEF4 0.004 0 12 1 12995204 G T intergénico PRAMEF8,PRAMEF6 0.003 1 4 1 12997638 T C downstream PRAMEF6,PRAMEF9 0.003 2 4 1 13007841 G C upstream PRAMEF6 0.0043 0 8 1 13019228 T A intergénico PRAMEF6 y LOC391003 0.0015 0 10 1 13038503 G A UTR3 LOC391003 0.0072 1 2 1 13051650 C T intergénico LOC391003,PRAMEF5 0.002 2 4 1 15706063 G A intronico FHAD1 0.0029 1 2 1 15713292 C T intronico FHAD1 0.001 1 2 1 15766541 G C intronico CTR 0.001 1 2 1 15782601 T C upstream CELA2A 0.0038 1 2 1 15828125 G A intronico CASP9 0.0014 2 4 1 15831037 G A intronico CASP9 0.0099 1 2 1 15840513 T G intronico CASP9 0.0043 2 4 1 15868742 G A intronico DNAJC16 0.001 1 2 1 15876704 G A intronico DNAJC16 0.001 1 2 1 15900342 C A intronico AGMAT 0.001 1 2 1 15906257 T C intronico AGMAT 8.0E-4 1 2 1 15911897 A G upstream AGMAT 0.0043 2 4 1 22764178 C T intergénico WNT4,ZBTB40 0.001 2 4 1 22791939 C T intronico ZBTB40 0.0089 2 4 1 22874394 C G intergénico ZBTB40 y EPHA8 0.007 1 2 1 22875103 C G intergénico ZBTB40 y EPHA8 0.007 1 2 1 22906403 C T intronico EPHA8 0.008 2 4 1 22912956 G A intronico EPHA8 0.001 1 2 1 22917007 C T intronico EPHA8 0.001 2 4 1 22927240 G A exónico EPHA8 0.0013 error 2 4 1 22932265 G A intergénico EPHA8 y MIR6127 0.0089 2 4 1 22944057 C T intergénico EPHA8 y MIR6127 0.0089 2 4 1 22978799 A G upstream C1QB 0.0099 2 4 1 35170588 C T intergénico C1orf94 y GJB5 0.01 1 2 1 35172426 C T intergénico C1orf94 y GJB5 0.008 1 2 1 35172447 G A intergénico C1orf94 y GJB5 0.001 1 2 1 35175302 C T intergénico C1orf94 y GJB5 0.008 1 2 1 35177410 A T intergénico C1orf94 y GJB5 0.001 1 2 1 35178768 C T intergénico C1orf94 y GJB5 0.0014 2 4 1 35179362 G A intergénico C1orf94 y GJB5 0.0014 2 4 1 35186166 G A intergénico C1orf94 y GJB5 0.0099 2 4 1 35186520 A C intergénico C1orf94 y GJB5 0.002 2 4 1 35196361 G A intergénico C1orf94 y GJB5 0.0099 2 4 1 35223545 C T exónico GJB5 0.001 silencioso 1 2 1 35224029 G A UTR3 GJB5 0.003 1 2 1 35227895 T C UTR3 GJB4 5.0E-4 1 2 1 35230455 G T intergénico GJB4 y GJB3 0.0043 1 2 1 35232954 T C intergénico GJB4 y GJB3 0.003 1 2 1 35237986 G A intergénico GJB4 y GJB3 0.0014 1 2 1 35245522 C T intergénico GJB4 y GJB3 0.001 1 2 1 35256979 C T intergénico GJB3 y GJA4 0.002 2 4 1 35263872 C T intergénico GJA4 y SMIM12 5.0E-4 2 4 1 35323895 A C intronico SMIM12 0.0027 2 4 1 35369676 G A intronico DLGAP3 0.007 2 4 1 35371634 T A upstream DLGAP3 0.0015 0 4 1 39253519 G A intergénico LINC01343,RRAGC 0.005 1 2 1 39288829 G A intergénico LINC01343,RRAGC 0.0051 1 2 1 39289832 A C intergénico LINC01343,RRAGC 0.002 0 2 1 39312638 G A intronico RRAGC 0.0038 2 4 1 39361372 G A intronico RHBDL2 0.005 1 2 1 39363826 T G intronico RHBDL2 0.0029 1 2 1 39367555 T C intronico RHBDL2 0.007 2 4 1 39369531 T C intronico RHBDL2 0.001 2 4 1 39370202 T C intronico RHBDL2 0.01 1 2 1 39449101 A G intergénico RHBDL2 y AKIRIN1 0.001 2 4 1 39475057 G A intergénico AKIRIN1 y NDUFS5 0.01 1 2 1 39485016 C T intergénico AKIRIN1 y NDUFS5 0.001 2 4 1 39488137 A G intergénico AKIRIN1 y NDUFS5 0.001 2 4 1 39499212 A C intronico NDUFS5 0.001 0 2 1 39500605 C G downstream NDUFS5 0.002 0 10 1 46813814 T C intronico NSUN4 0.0014 1 2 1 46817258 A G intronico NSUN4 0.005 0 2 1 46843158 T C intergénico NSUN4,FAAH 0.001 1 2 1 46933509 A G intergénico LINC01398,DMBX1 0.002 1 2 1 46935021 G A intergénico LINC01398,DMBX1 0.004 2 4 1 46939253 T A intergénico LINC01398,DMBX1 0.004 2 4 1 46951788 C A intergénico LINC01398,DMBX1 0.002 2 4 1 46980864 G C downstream DMBX1 0.003 1 2 1 46989657 T C intergénico DMBX1,MKNK1-AS1 0.007 1 2 1 46994678 C T intergénico DMBX1,MKNK1-AS1 0.002 1 2 1 46999438 T C intergénico DMBX1,MKNK1-AS1 0.002 1 2 1 92761505 A G intronico GLMN 0.001 2 4 1 92764270 G C intronico GLMN 0.001 2 4 1 92802210 G A intronico RPAP2 0.0072 1 2 1 92820663 T A intronico RPAP2 0.0058 1 2 1 92820664 G T intronico RPAP2 0.0058 1 2 1 92820953 G A intronico RPAP2 0.007 2 4 1 92824766 A G intronico RPAP2 0.0058 1 2 1 92849183 C A intronico RPAP2 0.01 2 4 1 92850696 C G intronico RPAP2 0.0023 1 2 1 92861357 T C intergénico RPAP2,GFI1 0.01 2 4 1 92877460 C G intergénico RPAP2,GFI1 0.002 1 2 1 92880643 A G intergénico RPAP2,GFI1 0.001 2 4 1 92911540 G A intergénico RPAP2,GFI1 0.004 2 4 1 92911721 A C intergénico RPAP2,GFI1 0.0031 0 8 1 92918277 C T intergénico RPAP2,GFI1 0.001 2 4 1 92950920 G A intronico GFI1 0.008 2 4 1 92964788 G A intergénico GFI1 y EVI5 0.0023 1 2 1 92977480 C T UTR3 EVI5 0.002 1 2 1 92985213 C T intronico EVI5 0.001 2 4 1 92988342 C T intronico EVI5 0.008 2 4 1 92992283 G A intronico EVI5 0.01 2 4 1 92999760 C T intronico EVI5 0.003 1 2 1 93005149 G C intronico EVI5 0.003 0 4 1 93018543 A T intronico EVI5 0.01 2 4 1 93033744 C T intronico EVI5 0.001 2 4 1 111400296 G A intergénico KCNA3 y CD53 0.0014 2 4 1 111411924 C T intergénico KCNA3 y CD53 0.003 1 2 1 111441850 C G UTR3 CD53 0.003 2 4 1 111451527 C T intergénico CD53,LRIF1 0.008 2 4 1 111454082 C A intergénico CD53,LRIF1 0.001 2 4 1 111466506 A G intergénico CD53,LRIF1 0.001 2 4 1 111525974 G A intergénico LRIF1,DRAM2 0.002 2 4 1 111574573 G T intergénico LRIF1,DRAM2 0.0072 2 4 1 111574594 T A intergénico LRIF1,DRAM2 0.005 1 2 1 111574647 G A intergénico LRIF1,DRAM2 0.005 1 2 1 111591746 T A intergénico LRIF1,DRAM2 0.005 1 2 1 111601459 A G intergénico LRIF1,DRAM2 0.005 1 2 1 111604748 G C intergénico LRIF1,DRAM2 0.005 1 2 1 112191526 T G intronico RAP1A 0.001 2 4 1 112206765 A G intronico RAP1A 0.0043 1 2 1 112226517 G A intronico RAP1A 0.001 0 2 1 112263324 G T intergénico RAP1A y FAM212B 0.003 2 4 1 112264843 G A UTR3 FAM212B 0.001 1 2 1 112285810 C T ncRNA_intronic FAM212B-AS1 0.004 1 2 1 112304285 T C intronico DDX20 0.0043 1 2 1 112307213 A C intronico DDX20 0.0043 1 2 1 112309436 G T exónico DDX20 0.0 error 1 2 1 112317384 T C intergénico DDX20,KCND3 0.0014 1 2 1 112381367 C T intronico KCND3 0.002 1 2 1 112396571 G T ncRNA_exonic CCND3-IT1 0.001 1 2 1 113520038 G A intergénico SLC16A1-AS1,LOC100996251 0.0023 1 2 Una consulta similar que use los datos de la fase 3 de 1,000 genomas tarda alrededor de 90 segundos en ejecutarse y procesa alrededor de 3.38 TB de datos.