利用bedtools预测chip_seq数据的靶基因

2024-04-15 16:21:19

欢迎关注”生信修炼手册”!

通常在分析peak区域对应的靶基因时，会选取转录起始位点TSS上下游一定长度的区域作为候选的靶基因范围，本文介绍下如何利用bedtools来对peak与TSS区域的overlap情况进行分析，从而得到靶基因，可以分为以下几步

1. 得到物种对应的TSS位点信息

以hg38为例，通过UCSC的FTP服务可以得到物种对应的refFlat文件，链接如下

http://hgdownload.soe.ucsc.edu/goldenPath/hg38/database/

refFLat和refGene这两个文件记录的信息相同，refFlat文件列数更少，这里我们选择下载refFlat.txt.gz, 该文件的内容如下所示

在原始文件中是没有第一行的标题的，我手动添加的标题是为了方便描述每列的含义，从该文件中可以得到TSS位点信息。

2. 整理TSS位点信息

bedtools要求输入的文件格式为bed, gff, vcf等，这里我们需要把上述下载的原始文件转换为bed格式，用法如下

awk '{print $3"\t"$5"\t"$5"\t"$2"\t"$1"\t"$4}' > hg38.tss.bed

内容如下所示

3. 运行bedtools window

bedtools windows和intersect的功能类似，都是用于求两个区间A和B的交集，只不过window会在A区间的上下游加上一个可以自定义的长度之后，再与B区间求交集，原理示意如下

以TSS上下游5kb为例，用法如下

bedtools window -a hg39.tss.bed -b peak.bed -w 5000 -sm > overlap.txt

通过window这个命令，可以灵活的定义TSS上下游的区间，快速得到peak对应的靶基因。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！

利用bedtools预测chip_seq数据的靶基因相关推荐

miRNA数据库篇——miRDB:软件预测的哺乳动物miRNA靶基因数据库（假阳性较高）
miRDB:软件预测的哺乳动物miRNA靶基因数据库 miRDB通过MirTarget这个软件预测了人,小鼠等多个物种的miRNA靶基因信息,并将其整理成了数据库,网址如下 http://www.mi ...
动物miRNA靶基因本地预测（三）—— 靶基因预测与结果分析
前两篇介绍了4种靶基因预测软件的下载与安装,以及数据的准备过程.本篇将正式开始进行靶基因的预测, 并对4种个软件的结果进行整理,最终得到4软件结果的交集. 靶基因预测 1.miRanda mirand ...
输入序列就可以预测 - 在线版miRanda靶基因预测来了
miRNA靶基因预测是研究miRNA经常要进行的操作,经典的miRNA靶基因预测软件有miRanda,targetscan等.targetscan有在线版本,而miRanda一直没有在线版本,并且网站 ...
动物miRNA靶基因本地预测（一）—— 软件安装
前面几篇有讲到miRNA的差异表达分析,当我们拿到差异miRNA后,就需要对这些差异miRNA进行靶基因的预测,这能帮助我们快速的获得潜在的靶基因,缩小试验验证的基因范围.所以接下来几篇将介绍动物mi ...
ML之xgboost：利用xgboost算法对Boston(波士顿房价)数据集【特征列分段→独热编码】进行回归预测(房价预测)+预测新数据得分
ML之xgboost:利用xgboost算法对Boston(波士顿房价)数据集[特征列分段→独热编码]进行回归预测(房价预测)+预测新数据得分导读对Boston(波士顿房价)数据集进行特征工程,分 ...
ML之回归预测：利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)+预测新数据得分
ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测)+预测新数据得分导读本文章基于前边的一篇文章,对13种机器学习的回归模型性能比较 ...
Keras之MLP：利用MLP【Input(8)→(12)(relu)→O(sigmoid+二元交叉)】模型实现预测新数据(利用糖尿病数据集的八个特征实现二分类预测
Keras之MLP:利用MLP[Input(8)→(12)(relu)→O(sigmoid+二元交叉)]模型实现预测新数据(利用糖尿病数据集的八个特征实现二分类预测目录输出结果实现代码输出结果 ...
Keras之DNN：利用DNN【Input(8)→(12+8)(relu)→O(sigmoid)】模型实现预测新数据(利用糖尿病数据集的八个特征进行二分类预测
Keras之DNN:利用DNN[Input(8)→(12+8)(relu)→O(sigmoid)]模型实现预测新数据(利用糖尿病数据集的八个特征进行二分类预测目录输出结果设计思路实现代码输出 ...
利用多时间无人机数据和时空深度学习模型的作物产量预测
文章目录 Abstract 1 Introduction 1.1 Related Work 1.2 Contribution 2 Materials and Methods 2.1 Data Acqu ...

最新文章

热门文章