wig、bigWig和bedgraph文件详解

from 生信菜鸟团（http://www.bio-info-trainee.com/1815.html）

我们一般会熟悉sam/bam格式文件，就是把测序reads比对到参考基因组后的文件！bam或者bed格式的文件主要是为了追踪我们的reads到底比对到了参加基因组的什么区域，而UCSC规定的这几个文件格式(wig、bigWig和bedgraph)用处不一样，仅仅是为了追踪参考基因组的各个区域的覆盖度，测序深度！而且这些定义好的文件，可以无缝连接到UCSC的Genome Browser工具里面进行可视化！

这个网站提供了这几种数据格式的构造及转换脚本：http://barcwiki.wi.mit.edu/wiki/SOPs/coordinates

对SE数据，可以用macs2 pileup --extsize 200 -i sample.bdg 把bam文件转换为bedgraph文件，不需要call peaks这一步骤。

而UCSC的ftp里面可以下载bedGraphToBigWig sample.bw 把bedgraph文件转换为bw文件，其余的转换工具都可以下载。

具体文件格式定义请直接看UCSC的官网，下面是我基于自己的理解来翻译的，没什么特殊的，建议大家看原文，然后自己翻译一个，跟我比较！

Wiggle Track Format (WIG)：http://genome.ucsc.edu/goldenPath/help/wiggle.html

bigWig Track Format ：http://genome.ucsc.edu/goldenPath/help/bigWig.html

BedGraph Track Format ：http://genome.ucsc.edu/goldenPath/help/bedgraph.html

这3种文件格式都是UCSC规定的，所以它提供了系列工具进行互相转换，可以直接下载可执行版本程序：http://hgdownload.cse.ucsc.edu/admin/exe/

常见的工具如下：

• bigWigToBedGraph — this program converts a bigWig file to ASCII bedGraph format.
• bigWigToWig — this program converts a bigWig file to wig format.
• bigWigSummary — this program extracts summary information from a bigWig file.
• bigWigAverageOverBed — this program computes the average score of a bigWig over each bed, which may have introns.
• bigWigInfo — this program prints out information about a bigWig file.

其实对我们的bam文件，用samtools软件也可以很容易得到基因组区域的覆盖度和测序深度，比如：

samtools depth -r chr12:126073855-126073965 Ip.sorted.bam

chr12 126073855 5

chr12 126073856 15

chr12 126073857 31

chr12 126073858 40

chr12 126073859 44

chr12 126073860 52

这其实就是wig文件的雏形，但是wig文件会更复杂一点！

首先它不需要第一列了，因为全部是重复字段，只需要在每个染色体的第一行定义好染色体即可。

首先需要设置这个wig文件在UCSC的Genome Browser工具里面显示的属性：
track type=wiggle_0 name=track_labeldescription=center_labelvisibility=display_modecolor=r,g,baltColor=r,g,bpriority=priorityautoScale=on|offalwaysZero=on|offgridDefault=on|offmaxHeightPixels=max:default:mingraphType=bar|pointsviewLimits=lower:upperyLineMark=real-valueyLineOnOff=on|offwindowingFunction=mean+whiskers|maximum|mean|minimumsmoothingWindow=off|2-16

type=wiggle_0 这个是默认的， 而且到目前为止，必须是这样的！其余的都是可选参数，自己读官网说明

这些参数一般不用管，除非你很熟悉了UCSC的Genome Browser工具

然后需要设置每条染色体的属性，几个比较重要的参数是：

fixedStepchrom=chrNstart=positionstep=stepInterval[span=windowSize]

下面是wig的一个具体例子：

track type=print wiggle_0 name=hek description=hek

variableStep chrom=chr1 span=10

10008 7

10018 14

10028 27

10038 37

10048 45

10058 43

10068 37

10078 26

UCSC也提供了一个wig文件：http://genome.ucsc.edu/goldenPath/help/examples/wiggleExample.txt

可以看到我设置的参数很少很少，而且我是直接对sort后的bam文件用脚本变成wig文件的。

那么bigwig格式文件就没什么好讲的了，它就是wig格式文件的二进制压缩版本，这样更加节省空间。

我们只需要用UCSC提供的工具把自己的wig文件转换一下即可，步骤如下：

• Save this wiggle file to your machine (this satisfies steps 1 and 2 above).
• Save this text file to your machine. It contains the chrom.sizes for the human (hg19) assembly (this satisfies step 4 above).
• Download the wigToBigWig utility (see step 3).
• Run the utility to create the bigWig output file (see step 5):
  **wigToBigWig** wigVarStepExample.gz hg19.chrom.sizes myBigWig.bw

最后我们讲一下BedGraph格式文件，它是BED文件的扩展，是4列的BED格式，但是需要添加UCSC的Genome Browser工具里面显示的属性，但是一般就定义有限的几个属性即可。
track type=bedGraph name=track_labeldescription=center_label visibility=display_modecolor=r,g,baltColor=r,g,b priority=priorityautoScale=on|offalwaysZero=on|off gridDefault=on|offmaxHeightPixels=max:default:min graphType=bar|pointsviewLimits=lower:upper yLineMark=real-valueyLineOnOff=on|off windowingFunction=maximum|mean|minimumsmoothingWindow=off|2-16
有一点需要注意：These coordinates are zero-based, half-open.

Chromosome positions are specified as 0-relative. The first chromosome position is 0. The last position in a chromosome of length N would be N - 1. Only positions specified have data.

Positions not specified do not have data and will not be graphed.

All positions specified in the input data must be in numerical order.

我这里有一个MACS对CHIP-seq数据call peaks附带的BedGraph文件，也可以用工具直接从bam格式文件得到：

track type=bedGraph name="hek_treat_all" description="Extended tag pileup from MACS version 1.4.2 20120305"

chr1 9997 9999 1

chr1 9999 10000 2

chr1 10000 10001 4

chr1 10001 10003 5

chr1 10003 10007 6

chr1 10007 10010 7

chr1 10010 10012 8

chr1 10012 10015 9

chr1 10015 10016 10

chr1 10016 10017 11

chr1 10017 10018 12