歡迎關(guān)注”生信修煉手冊(cè)”!
在進(jìn)行peak calling分析時(shí)，經(jīng)常會(huì)接觸到以下3種peak格式
narrow peaks format
broad peaks fotmat
-
gapped peaks format
peak被定義為基因組上一段reads富集的區(qū)域，核心信息是在染色體上的起始和終止位置，除此之外，還有軟件對(duì)于該peak區(qū)域的打分，比如常見的pvalue, qvalue, fold_enrichment等值。
和基因組比對(duì)信息用BAM格式來存儲(chǔ)類似，為了標(biāo)準(zhǔn)化不同peak calling軟件的輸出，特意制定了以上3種數(shù)據(jù)格式。這三種格式本質(zhì)上都是bed文件，只不過列數(shù)不太類似。
1. Narrow Peaks Format
該格式又稱之為point-source peaks format, macs2默認(rèn)輸出就是這種格式，是一種BED6+4的格式，列數(shù)為10列，示意如下
前四列分別代表chrom, chromStart, chromEnd, name, 用于描述peak區(qū)間和名稱，注意bed格式中起始位置從0開始計(jì)數(shù)。
第五列代表score,在macs2的輸出結(jié)果中為int(-10*log10qvalue)，第六列代表strand, 在macs2的輸出結(jié)果中為.,第七列代表signalvalue, 通常使用fold_enrichment的值,第八列代表pvalue, 在macs2的輸出結(jié)果中為-log10(pvalue),第九列代表qvalue, 在macs2的輸出結(jié)果中為-log10(qvalue),第十列代表peak, 在macs2的輸出結(jié)果中為peak的中心，即summit距離peak起始位置的距離。
2. Broad Peaks Format
這種格式就是在narrow peaks format的基礎(chǔ)上丟掉了最后一列的信息，為BED6+3的格式， 列數(shù)為9列。
3. Gapped Peaks Format
前兩種格式都是由于描述連續(xù)的peak區(qū)間，適用于DNA水平上的富集區(qū)域信息的存儲(chǔ)，比如chip_seq, ATAC_seq鑒定到的peak區(qū)間，而gapped peaks format用于描述非連續(xù)的peak區(qū)間，這里的非連續(xù)通常指的是在peak的區(qū)間內(nèi)會(huì)包含多個(gè)exon區(qū)域，適用于RNA水平上的富集區(qū)域信息的存儲(chǔ)，比如m6A_seq鑒定到的peak區(qū)間。
該格式在BED12的基礎(chǔ)上進(jìn)行延伸，演變?yōu)锽ED12+3的格式，列數(shù)為15列，每列的含義示意如下
前6列的含義和上述兩種peak格式完全相同，后3列的含義和broad peak完全相同，為了專區(qū)表示peak區(qū)間內(nèi)包含的exon信息，借鑒轉(zhuǎn)錄本的BED12格式，引入了以下6列
thickStart
thickEnd
itemRgb
blockCount
blockSizes
-
blockStarts
thickStart和thickEnd有點(diǎn)類似轉(zhuǎn)錄本中CDS的起始和終止位置，在存儲(chǔ)peak信息時(shí)，通常的做法是將這兩列的值和chromStart和chromEnd的值設(shè)置成相同的，itemRgb是一個(gè)RGB顏色值，比如255,0,0, 如果沒有對(duì)應(yīng)的顏色信息，則用0來表示。
blockCount代表該peak區(qū)間包含的exon的個(gè)數(shù)，blockSizes代表每個(gè)exon區(qū)間的長度，多個(gè)exon用逗號(hào)連接，blockStarts代表每個(gè)exon區(qū)間在基因組上的起始位置，多個(gè)exon用逗號(hào)連接。
關(guān)于這三種格式的相關(guān)介紹請(qǐng)參考以下鏈接
https://genome.ucsc.edu/FAQ/FAQformat.html#format13
·end·
—如果喜歡，快分享給你的朋友們吧—
掃描關(guān)注微信號(hào)，更多精彩內(nèi)容等著你！
