用Bedtools進行集合運算

轉(zhuǎn)自:https://zhuanlan.zhihu.com/p/52322803

之前已經(jīng)講過BED 文件和它的衍生文件的格式,鏈接在這里:[數(shù)據(jù)格式] (2)BED 格式的四種寫法

但是當(dāng)我們想對兩個或多個BED文件的區(qū)域求它們的交集疫铜,找它們之間的overlap時,就很麻煩睦优。手動操作太痛苦,用awk也不是很合適壮不。

Bedtools是Quinlan AR 和 Hall IM 在2010年發(fā)布在Bioinformatics上的工具汗盘,可以通過它對同一參考基因組的BED文件進行交,并询一,補集的操作,還有其他的功能健蕊,比如注釋和格式轉(zhuǎn)換晴及,這篇主要講利用 Bedtools 對BED格式的文件進行操作琳钉。

Bedtools的安裝很簡單,有conda用conda,沒有conda可以去它的GitHub下載。 順便說一下钾虐,Bedtools發(fā)布了它的python版本pyBedtools,對環(huán)境有潔癖的朋友也可以在Bedtools的GitHub網(wǎng)頁上找到它菌仁,鏈接:arq5x/bedtools2

Bedtools的應(yīng)用:

集合運算(注:都是鏈接,可以點開看詳細轉(zhuǎn)換方法):

1. 交集運算 intersect

不同參數(shù)結(jié)果輸出不同的區(qū)域摹迷,A和B是輸入的兩個BED文件。不輸入?yún)?shù)輸出結(jié)果為兩個BED文件的交集,-wa保留和b文件有重疊的全部A文件區(qū)域,-v 輸出結(jié)果為-wa的補集靠抑,即B中沒有A重疊的區(qū)域〖∷疲可以用圖表示為:

image.png

命令為:

bedtools intersect [OPTIONS] -a <FILE> \
                             -b <FILE1, FILE2, ..., FILEN>
#or
intersectBed [OPTIONS] -a <FILE> \
                       -b <FILE1, FILE2, ..., FILEN>

2. 并集運算 merge

將一個BED文件中所有的重疊區(qū)域和相鄰merge為一個大的區(qū)域睬澡,可以將結(jié)果轉(zhuǎn)換為其他格式的數(shù)據(jù)斗躏,可以通過參數(shù)設(shè)置相距多遠的兩個區(qū)域,可以取他們的并集:

image.png

命令為:

bedtools merge [OPTIONS] -i <BED/GFF/VCF/BAM>
#or
mergeBed [OPTIONS] -i <BED/GFF/VCF/BAM>

3. 補集運算 complement静陈,找到基因組上所有和給定區(qū)域無重疊的區(qū)域:

image.png

命令:

bedtools complement -i <BED/GFF/VCF> -g <GENOME>
 #or:
complementBed -i <BED/GFF/VCF> -g <GENOME>

4. 差集運算 subtract,用A中的區(qū)域減去B中的區(qū)域崩泡,通過參數(shù)-A可以實現(xiàn)有重疊區(qū)域的全部剔除:

image.png

命令:

bedtools subtract [OPTIONS] -a <BED/GFF/VCF> -b <BED/GFF/VCF>
#or:
subtractBed [OPTIONS] -a <BED/GFF/VCF> -b <BED/GFF/VCF>

此外禁荒,還有類似于intersect的window,可以看區(qū)域上下游的重疊情況角撞;cluster呛伴,類似于merge,將有重疊的區(qū)域歸在一起谒所,但是不會合并為一個大的區(qū)域热康。

附Bedtools的數(shù)據(jù)格式轉(zhuǎn)換:

Bedtools還有很多很多的功能,它對于我們得到的數(shù)據(jù)非常有幫助劣领,可以說是做二代測序人手必備的神器姐军。

很幸運的是,Bedtools的說明書寫的非常詳細,鏈接:bedtools: a powerful toolset for genome arithmetic

最后補一句:多用sort奕锌,少點麻煩著觉!

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市惊暴,隨后出現(xiàn)的幾起案子饼丘,更是在濱河造成了極大的恐慌,老刑警劉巖辽话,帶你破解...
    沈念sama閱讀 218,122評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件肄鸽,死亡現(xiàn)場離奇詭異,居然都是意外死亡油啤,警方通過查閱死者的電腦和手機典徘,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,070評論 3 395
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來村砂,“玉大人,你說我怎么就攤上這事屹逛〈》希” “怎么了?”我有些...
    開封第一講書人閱讀 164,491評論 0 354
  • 文/不壞的土叔 我叫張陵罕模,是天一觀的道長评腺。 經(jīng)常有香客問我,道長淑掌,這世上最難降的妖魔是什么蒿讥? 我笑而不...
    開封第一講書人閱讀 58,636評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮抛腕,結(jié)果婚禮上芋绸,老公的妹妹穿的比我還像新娘。我一直安慰自己担敌,他們只是感情好摔敛,可當(dāng)我...
    茶點故事閱讀 67,676評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著全封,像睡著了一般马昙。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上刹悴,一...
    開封第一講書人閱讀 51,541評論 1 305
  • 那天行楞,我揣著相機與錄音,去河邊找鬼土匀。 笑死子房,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播池颈,決...
    沈念sama閱讀 40,292評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼尾序,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了躯砰?” 一聲冷哼從身側(cè)響起每币,我...
    開封第一講書人閱讀 39,211評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎琢歇,沒想到半個月后兰怠,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,655評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡李茫,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,846評論 3 336
  • 正文 我和宋清朗相戀三年揭保,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片魄宏。...
    茶點故事閱讀 39,965評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡秸侣,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出宠互,到底是詐尸還是另有隱情味榛,我是刑警寧澤,帶...
    沈念sama閱讀 35,684評論 5 347
  • 正文 年R本政府宣布予跌,位于F島的核電站搏色,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏券册。R本人自食惡果不足惜频轿,卻給世界環(huán)境...
    茶點故事閱讀 41,295評論 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望烁焙。 院中可真熱鬧航邢,春花似錦、人聲如沸骄蝇。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,894評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽乞榨。三九已至秽之,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間吃既,已是汗流浹背考榨。 一陣腳步聲響...
    開封第一講書人閱讀 33,012評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留鹦倚,地道東北人河质。 一個月前我還...
    沈念sama閱讀 48,126評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親掀鹅。 傳聞我的和親對象是個殘疾皇子散休,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,914評論 2 355

推薦閱讀更多精彩內(nèi)容