生物資訊資料格式：bed格式
文章目錄
BED format（基因組的註釋檔案）
用來描述註釋的資料。BED線有3個要求的欄位（基本列）和9個額外的欄位（附加列）
基本列
必不可少的
-
chrom 即chrom 或者scaffold 名稱
-
chromStart Feature在chrom中的起始位置（前座標），chrom的第一個鹼基的座標是0，chromStart如果等於2，其實表示的是第三個鹼基，feature包含這個鹼基
-
chromEnd feature在chrom中的終止位置（後坐標），chromEnd如果等於5，其實表示的是第六個鹼基之前的鹼基，feature不包含5這個鹼基
詳細見https://bedtools.readthedocs.io/en/latest/content/general-usage.html
如下FASTA格式的序列
>chr1
ATGCTTT
對應的bed檔案就是：
BED file
chr1 2 5
如果用fastaFromBed提取，那麼你能得到的序列是GCT（2號到5號之前的base，第一個base是0號）
附加列
-
name #feature 的名字
-
score 0到1000的分值，如果track線在註釋時屬性設定為１，那麼這個分值會決定現示灰度水平，數字 越大，灰度越高。下面的這個表格顯示Genome Browser
-
strand 定義鏈的’’+” 或者”-”
-
thickStart #feature的起始
-
thickEnd #feature的終止
-
itermRgb R, G, B (eg. 255, 0, 0), 如果track line itemRgb屬性是設定為’On”, 這個RBG 值將 決 定資料的顯示的顏色在BED 線。
-
blockCount #exon個數
-
blockSize #每個exon的大小
-
blockStarts #以chromStart為起點的各個exon的起始點
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簡介
下載安裝
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檔案 (demo.bed)
vim demo.bed
KM034562 100 200 one 0 +
KM034562 400 500 two 0 -
我們的基因組檔案（genome.txt）
vim genome.txt
KM034562 18959
bedtools slop
restrict the resizing to the size of the chromosome
- 引數 -b 增加兩端的長度
- 引數 -pct ：片段的長度100bp ，-b 0.1 ，會使兩端的長度增加10bp
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 -
- 引數 -l 增加開始端的長度
bedtools slop -i demo.bed -g genome.txt -l 10 -r 0
KM034562 90 203 one 0 +
KM034562 390 503 two 0 -
- 引數 -r 增加末端的長度
bedtools slop -i demo.bed -g genome.txt -l 10 -r 3
KM034562 90 203 one 0 +
KM034562 390 503 two 0 -
- 有鏈特異性的運算
- 引數 -s 對正鏈無影響,對於負鏈 -l 10 不再是增加開始端的長度，而是增加末尾端的長度,而 -r 3 不再是增加末端的長度，而是增加開始端的長度
bedtools slop -i demo.bed -g genome.txt -l 10 -r 3 -s
KM034562 90 203 one 0 +
KM034562 397 510 two 0 -
- 引數 -b
bedtools slop -i demo.bed -g genome.txt -b 20000
KM034562 0 18959 one 0 +
KM034562 0 18959 two 0 -
示意圖 ：
與GTF的關係
genomic features通常使用Browser Extensible Data (BED) 或者 General Feature Format (GFF)檔案表示，用UCSC Genome Browser進行視覺化比較。 Bed檔案和GFF檔案最基本的資訊就是染色體或Contig的ID或編號，然後就是DNA的正負鏈資訊，接著就是在染色體上的起始和終止位置數值。
兩種檔案的區別在於，BED檔案中起始座標為0，結束座標至少是1,； GFF中起始座標是1而結束座標至少是1。
把BED轉成對應的GFF
這並非是真的正確地把BED轉成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 - . .
它與其他格式可以很好地協同工作！
bedtools slop -i demo.gff -g genome.txt -l 10 -r 0 -s
KM034562 . . 91 200 0 + . .
KM034562 . . 401 510 0 - . .