处理基因组数据，很多时候我们会觉得直接看序列文件不够直观，如果绘图的话，把n多G把数据用画图出来不仅费劲，就算操作也不方便。因此我们可以用UCSC开发出的genome browser，可以直接把数据信息写成track，连上genome browser 上查看，它还支持安装到本地服务器上（genome browser in box ，简称GBIB)，genome browser 支持的格式有bedGraph, GTF, PSL, BED, bigBed, WIG, bigGenePred, bigMaf, bigChain, bigPsl, bigWig, BAM, CRAM, VCF, MAF, BED detail, Personal Genome SNP, broadPeak, narrowPeak, and microarray (BED15)，GFF和GTF文件必须tab分隔。 废话少说，直接入门。本文主要讲SAM,BAM,WIG,bigWig,VCF,BED文件上传及使用。

    一、格式的前期处理

      1.1    WIG 和 bigWig

      WIG 文件格式，有两种可选的格式，variableStep和fixedStep。variableStep用于区间变化的，fixedStep用于区间固定的。

      variableStep WIG文件以variableStep 开头，chrom染色体，可选参数span（默认span=1),指定每一行的位置区间，比如2，区间就是chromStart～chromStart+2。chromStart染色体位置，dataValue染色体位置上的值。

1 variableStep  chrom=chrN2 [span=windowSize]3 chromStartA  dataValueA4 chromStartB  dataValueB5 ... etc ...  ... etc ...

      fixedStep文件以fixedStep开头，chrom染色体,start是起始固定的位置，step是每两个起始position之间的间隔，span和variableStep中的step一样，指定每一行的位置区间。

这样dataValue1对应的position是start~start+span，dataValue2对应的position是start+step~start+step+span.

1 fixedStep  chrom=chrN2 start=position  step=stepInterval3 [span=windowSize]4 dataValue15 dataValue26 ... etc ...

    WIG格式要在genome browser 上查看最好转换为bigWig文件，bigWig文件是index后的二进制WIG文件，在genome browser上查看更加快速，用wigToBigWig命令

1 wigToBigWig sample.wig chrom.sizes output.bw

    chromsizes 文件可以从UCSC上下载，就是各个染色体的长度大小hg19.chrom.sizes可以从这里直接复制。

 genome.sizes

    1.2  sam 和 bam文件

      sam/bam 格式是mapping后的序列比对文件，sam文件需要先转成bam，sam/bam文件传到genome browser上可以看到reads在chrom上的分布。bam文件需要sort后建立index，并且要将index 文件*.bai放到bam文件所在目录下。

     如果是sam 文件，先转变为bam文件

1 samtools view -S -b -o sample.bam sample

    进行sort，并且建立index

1     samtools sort sample.bam sample.sorted2     samtools index sample.sorted.bam

    1.3  VCF文件

      vcf 文件是千人基因组计划发展出的存储基因组变异信息的文件，包括SNP和结构变异信息。传到genome browser上可以看到不同位点的变异信息。

      先要对vcf 格式就行sort    

1 sort -k1,1d -k2,2n sample.vcf > sample.sorted.vcf

      要下载bgzip 和 tabix 程序，https://sourceforge.net/projects/samtools/files/tabix/.

      对sort后的vcf 进行压缩

1 bgzip sample.sorted.vcf sample.sorted.vcf.gz

      对vcf.gz文件建立index

1 tabix -p vcf sample.sorted.vcf.gz

      建立track的时候，要把tbi格式的index放在vcf.gz所在的文件夹下。

   1.4 bed和bigBed文件

    1.4.1 bed文件格式

     1.4.1.1 必须的三个区域：

        1.chrom  染色体

        2.chromStart  在染色体上的起始位置

        3.chromEnd  在染色体上的结束位置

     1.4.1.2有九个额外的可选的区域

        4.name  行名

        5.score  分值 0-1000，影响显示的灰色深度

        6.strand  正负链，"."无方向，或者“+”或者"-"

        7.thickStart  开始浓密绘制的位置

        8.thickEnd 结束浓密绘制的位置

        9.itemRgb RGB值，R、G、B值（比如255，0，0），如果itemRgb属性设置为开的话，RGB将设置这一行的颜色

        10.blockCount  该行的区块（外显子）数目

        11.blockSizes  逗号分隔的区块大小的列表，

        12.blockStarts  逗号分隔的区块开始位置，所以的区块开始位置都应该能由chromStart计算出来，位置数目应该与blockSizes数目相裂隙。

     bed文件可以在前面添加track和browser行，作为一个track传上genome browser。后面会详细说明。

    1.4.2 bigBed文件

      如果bed文件有点大（大于50Mb)，你应该将它转换成bigBed文件，放到服务器上，再链接到genome browser上查看。

      先sort bed文件

1 sort -k1,1 -k2,2n unsorted.bed > input.bed

     将sort后的bed文件进行转换，必须去除track和browser行

1 bedToBigBed input.bed chrom.sizes myBigBed.bb

二、在UCSC上查看数据

    2.1  UCSC 上My Data 下的Custom Track

         所有文件都可以直接添加自己定制的Custom Track，分为两步，1.定义browser行 ，2.定义track行

      1.browser行        

1 browser attribute_name attribute_value(s)

         postion  定义genome browser起始查看的位置

         hide all  隐藏全部track

         hide  < track_primary_talbe_name(s)> 需要隐藏的tracks列表，空格分隔，下面一样

         dense all   密度显示全部track

         dense <track_primary_talbe_name(s)>  需要密度显示的tracks列表

         pack all   压紧模式显示全部track

         pack  <track_primary_talbe_name(s)>   需要压紧模式显示的tracks列表

         squish all 压扁模式显示 

         full all    全部显示track

         full  <track_primary_talbe_name(s)>  全部显示模式显示的track列表 

       2.track行

         name=<track_label>  定义track的标签

         description=<center_label>  定义显示的时候track的中间的标签

         type=<track_type>    定义track类型，可以定义为BAM, BED detail, bedGraph, bigBed, bigWig, broadPeak, narrowPeak, Microarray, VCF and WIG 

          visibility=<display_mode>   定义显示模式，定义track的起始显示模式，包括0 - hide, 1 - dense, 2 - full, 3 - pack, and 4 - squish

          color=<RRR,GGG,BBB>    定义注释track的主演色,包括三个逗号分隔的0-255之间的数字，默认0，0，0黑色

          itemRgb=On   如果开了这个选项,bed文件定义的itemRgb生效

          colorByStrand=<RRR,GGG,BBB,RRR,GGG,BBB>  设置正负链的颜色，默认0，0，0，0，0，0 都是黑色

          useScore=<use_score>   默认是0，使用bed score值定义的颜色，如果是1，会使用数据行来决定颜色深浅

          group=<group>    定义track组，会在genome browser上显示

          priority=<priority>    定义组内排列位置，没有分组的话会定义默认组（user)的排列位置

          db=<UCSC_assembly_name>   定义要比对的数据库，比如hg18,mm8等

          offset=<offset>    补偿，定义添加到全部坐标上的数值，默认0

          maxitems<#>    定义track能包括的最大条目，默认250，必须小心设置，不然会导致系统不稳定

          url=<external_url>   定义track 的额外链接内容

          htmlUrl=<external_url>   定义track描述页面的链接内容

          bigDataUrl=<external_url>   定义数据文件的url，就是放在服务器上的文件地址，

        下面是UCSC给出的例子

1 browser position chr21:33,031,597-33,041,5702 track type=bigBed name="bigBed Example One" description="A bigBed file" bigDataUrl=http://genome.ucsc.edu/goldenPath/help/examples/bigBedExample.bb

        bed文件格式可以直接写入track中，如下，在基因组固定位置显示蓝色和绿色标记

1 browser position chr22:20100000-201400002 track name=spacer description="Blue ticks every 10000 bases" color=0,0,255,3 chr22   20100000 201000014 chr22   20110000 201100015 chr22   20120000 201200016 track name=even description="Red ticks every 100 bases, skip 100" color=255,0,07 chr22   20100000 20100100    first8 chr22   20100200 20100300    second9 chr22   20100400 20100500    third

    2.2  UCSC 的MyData下的track hub

    track hub 是track 的收集，hub中的track在genome browser浏览页面中以蓝色显示。

    首先在存放hub文件的文件夹下写一个hub文件，格式如下

1 hub hub_name  # hub的名称2 shortLabel hub_short_label #hub的短标签，便于显示3 longLabel hub_long_label  #hub具体的标签4 genomesFile genomes_filelist #要对比的基因组列表文件路径  5 email email_address    #自己的email地址6 descriptionUrl descriptionUrl   # 对这个track的描述

     接下来编辑基因组列表文件

1 genome assembly_database_1 #对比到的基因组，比如hg192 trackDb assembly_1_path/trackDb.txt   #trackDb文件,包括对比到hg19的所有track3 4 5 genome assembly_database_26 trackDb assembly_2_path/trackDb.txt

     上面是两个不同的trackDb（track数据库），分别对比到不同的基因组，而trackDb中写入有很多不同的对比到该基因组的hub track

      最后编辑trackDb文件

 1 track dnaseSignal  #在genome browser上显示的track名，必须独一无二 2 bigDataUrl dnaseSignal.bigWig  #文件的url,默认在trackDb所在文件夹 3 shortLabel DNAse Signal 
 4 longLabel Depth of alignments of DNAse reads 5 type bigWig 6  7  8 track dnaseReads 9 bigDataUrl dnaseReads.bam10 shortLabel DNAse Reads11 longLabel DNAse reads mapped with MAQ12 type bam

      上面写入了两个track,一个是bigWig格式的文件，一个是bam文件.而vcf 文件如下

1 track GC_WGS_tumour_vcf_by_lumpy2 type vcfTabix3 bigDataUrl GC_WGS_tumour.sorted.vcf.gz4 shortLabel GC_WGS tumour vcf lumpy5 longLabel GC_WGS tumour vcf by lumpy

     上面几个是基本参数，更多可选的hub track的参数参见hub track 定义文档

     最后上图一张

参考文献

延伸阅读

• gradle的安装，配置，构建，研究，初体验......（入职一周研究的第一个大知识点） 2017-07-25 16:53:08.173
• 安装 Docker Machine - 每天5分钟玩转 Docker 容器技术（45） 2017-07-24 11:44:50.247
• (cljs/run-at (JSVM. :browser) "简单类型可不简单啊～") 2017-07-21 11:22:13.777
• Python：Anaconda安装虚拟环境到指定路径 2017-07-20 16:47:16.587
• Ubuntu下安装并配置VS Code编译C++ 2017-07-20 16:30:54.597
• 如何将mysql数据导入Hadoop之Sqoop安装 2017-07-20 16:23:07.697
• 利用Advanced Installer将asp.netMVC连同IIS服务和mysql数据库一块打包成exe安装包 2017-07-20 16:09:21.323
• Memcached的安装与使用 2017-07-20 09:30:22.27
• 在Windows上安装Elasticsearch v5.4.2 前言 2017-07-16 16:08:29.397
• RabbitMQ安装|使用|概念|Golang开发 2017-07-13 16:31:25.703

gradle的安装，配置，构建，研究，初体验......（入职一周研究的第一个大知识点）