格式
BED格式文件全称是 Browser Extensible Data，通过规定行的内容来展示注释信息。bed文件可以作为一个特征标识符， 来快速查找感兴趣的基因组区域，最经典的应用场景就是将peak calling的bed文件和对应样本的tdf文件同时导入IGV, 然后快速查看peak区域的测序深度分布情况。GFF文件格式如下：
image.png
BED格式文件有3个基本列和9个可选的附加列
基本列
第一列：chrom，染色体号；
第二列：chromStart，在染色体上的起始位置，从0开始计数；
第三列：ChromEnd，在染色体上的终止位置。bed文件为左闭右开区间，当片段碱基为0-99时，记为“ChromStart=0,ChromEnd=100”。
附加列
第四列：name，行名；
第五列：score，基因组浏览器中显示的灰度设定值，介于0-1000之间，越大越黑；
第六列：正负链标记，“+”、“-”、“.”(no strand)；
第七列：thickStart，编码起始位置；
第八列：thickEnd，编码终止位置；
第九列：itemRgb-R,G,B，当itemRgb设置为“On”，行会显示颜色；
第十列：blockCount，外显子数量；
第十一列：BlockSizes，外显子大小列表，逗号分隔；
第十二列：blockStarts，外显子起始列表位置，逗号分隔，是与chromStart相对的一个位置。
处理
IGV查看
bed文件中的每一行为一个染色体区域，当bed文件的name存在时，在区域的下方会显示对应的ID，可以用于检索，示意如下
image.png
长度运算__ bedtools slop
增加两端长度
bedtools slop -i input.bed -g output.bed -b 10 # -b，增加两端长度(10bp)
bedrolls slop -i input.bed -g output.bed -b 0.1 -pct #-pct,按比例(-b)增加两端长度
增加一端长度
bedtools slop -i input.bed -g output.bed -l 10 -r 20 #-l,增加开始端长度；-r，增加末端长度
链特异性影响
bedtools slop -i demo.bed -g genome.txt -l 10 -r 3 -s #-s,区分正负链，对正链运算无影响，对负链运算首位交换
与GFF关系
genomic features通常使用bed 或者gff文件表示，两者最基本的信息就是染色体或Contig的ID或编号、DNA的正负链信息以及在染色体上的起始和终止位置数值。两种文件的区别在于，BED文件中起始坐标为0，结束坐标至少是1，GFF中起始坐标是1而结束坐标至少是1。把BED转成对应的GFF格式（仅保留两者相同信息）
cat demo.bed | bioawk -c bed '{print $chrom, ".", ".", $start+1, $end, $score, $strand, ".", "." }' > demo.gff
网友评论