生物信息数据格式：bed格式

本文主要是介绍生物信息数据格式：bed格式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

BED format（基因组的注释文件）

用来描述注释的数据。BED线有3个要求的字段（基本列）和9个额外的字段（附加列）

基本列

必不可少的

• chrom 即chrom 或者scaffold 名称

• chromStart Feature在chrom中的起始位置（前坐标），chrom的第一个碱基的坐标是0，chromStart如果等于2，其实表示的是第三个碱基，feature包含这个碱基

• chromEnd feature在chrom中的终止位置（后坐标），chromEnd如果等于5，其实表示的是第六个碱基之前的碱基，feature不包含5这个碱基

详细见https://bedtools.readthedocs.io/en/latest/content/general-usage.html

如下FASTA格式的序列

>chr1
ATGCTTT

对应的bed文件就是：

BED file
chr1 2 5

如果用fastaFromBed提取，那么你能得到的序列是GCT（2号到5号之前的base，第一个base是0号）

附加列

• name #feature 的名字

• score 0到1000的分值，如果track线在注释时属性设置为１，那么这个分值会决定现示灰度水平，数字 越大，灰度越高。下面的这个表格显示Genome Browser

• strand 定义链的’’+” 或者”-”

• thickStart #feature的起始

• thickEnd #feature的终止

• itermRgb R, G, B (eg. 255, 0, 0), 如果track line itemRgb属性是设置为’On”, 这个RBG 值将 决 定数据的显示的颜色在BED 线。

• blockCount #exon个数

• blockSize #每个exon的大小

• blockStarts #以chromStart为起点的各个exon的起始点

示例

BED3
A BED file where each feature is described by chrom, start, and end

chrom    start    end
chr1    11873    14409

BED4
A BED file where each feature is described by chrom, start, end, and name

chrom    start    end    name
chr1    11873    14409    uc001aaa.3

BED5
A BED file where each feature is described by chrom, start, end, name, and score

chrom    start    end    name        score
chr1    11873    14409    uc001aaa.3    0

BED6
A BED file where each feature is described by chrom, start, end, name, score, and strand

chrom    start    end    name        score    strand
chr1    11873    14409    uc001aaa.3    0    +

BED12
A BED file where each feature is described by all twelve columns listed above

.................

Bedtools简介

下载安装

cd ~/local/app/
curl -OL  https://github.com/arq5x/bedtools2/releases/download/v2.22.0/bedtools-2.22.0.tar.gz
tar zxvf bedtools-2.22.0.tar.gz
cd bedtools2
make
ln -sf ~/local/app/bedtools2/bin/bedtools ~/bin/bedtools

演示版的bed文件 (demo.bed)

vim demo.bedKM034562    100    200    one    0    +
KM034562    400    500    two    0    -

我们的基因组文件（genome.txt）

vim genome.txt
KM034562    18959

bedtools slop

bedtools slop -i demo.bed -g genome.txt -b 10
bedtools slop -i demo.bed -g genome.txt -b 0.1 -pct 

KM034562    90    210    one    0    +
KM034562    390    510    two    0    -

bedtools slop -i demo.bed -g genome.txt -l 10 -r 0

KM034562    90    203    one    0    +
KM034562    390    503    two    0    -

bedtools slop -i demo.bed -g genome.txt -l 10 -r 3

KM034562    90    203    one    0    +
KM034562    390    503    two    0    -

bedtools slop -i demo.bed -g genome.txt -l 10 -r 3 -s

KM034562    90    203    one    0    +
KM034562    397    510    two    0    -

bedtools slop -i demo.bed -g genome.txt -b 20000

KM034562    0    18959    one    0    +
KM034562    0    18959    two    0    -

与GTF的关系

genomic features通常使用Browser Extensible Data (BED) 或者 General Feature Format (GFF)文件表示，用UCSC Genome Browser进行可视化比较。 Bed文件和GFF文件最基本的信息就是染色体或Contig的ID或编号，然后就是DNA的正负链信息，接着就是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
这并非是真的正确地把BED转成GFF

cat demo.bed | bioawk -c bed '{print $chrom, ".", ".", $start+1, $end, $score, $strand, ".", "." }' > demo.gff
less demo.gff
KM034562        .       .       101     200     0       +       .       .
KM034562        .       .       401     500     0       -       .       .

它与其他格式可以很好地协同工作！

bedtools slop -i demo.gff -g genome.txt -l 10 -r 0 -s
KM034562    .    .    91    200    0    +    .    .
KM034562    .    .    401    510    0    -    .    .

更多用法详见

这篇关于生物信息数据格式：bed格式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！