narrow,broad, gapped peak三種格式之間的區別與聯系

本篇內容主要講解“narrow,broad, gapped peak三種格式之間的區別與聯系”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“narrow,broad, gapped peak三種格式之間的區別與聯系”吧!

在進行peak calling分析時，經常會接觸到以下3種peak格式

1. narrow peaks format

2. broad peaks fotmat

3. gapped peaks format

   
   

peak被定義為基因組上一段reads富集的區域，核心信息是在染色體上的起始和終止位置，除此之外，還有軟件對于該peak區域的打分，比如常見的pvalue, qvalue, fold_enrichment等值。

和基因組比對信息用BAM格式來存儲類似，為了標準化不同peak calling軟件的輸出，特意制定了以上3種數據格式。這三種格式本質上都是bed文件，只不過列數不太類似。

1. Narrow Peaks Format

該格式又稱之為point-source peaks format, macs2默認輸出就是這種格式，是一種BED6+4的格式，列數為10列，示意如下

前四列分別代表chrom, chromStart, chromEnd, name, 用于描述peak區間和名稱，注意bed格式中起始位置從0開始計數。

第五列代表score,在macs2的輸出結果中為int(-10*log10qvalue)，第六列代表strand, 在macs2的輸出結果中為.,第七列代表signalvalue, 通常使用fold_enrichment的值,第八列代表pvalue, 在macs2的輸出結果中為-log10(pvalue),第九列代表qvalue, 在macs2的輸出結果中為-log10(qvalue),第十列代表peak, 在macs2的輸出結果中為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的基礎上丟掉了最后一列的信息，為BED6+3的格式， 列數為9列。

3. Gapped Peaks Format

前兩種格式都是由于描述連續的peak區間，適用于DNA水平上的富集區域信息的存儲，比如chip_seq, ATAC_seq鑒定到的peak區間，而gapped peaks format用于描述非連續的peak區間，這里的非連續通常指的是在peak的區間內會包含多個exon區域，適用于RNA水平上的富集區域信息的存儲，比如m6A_seq鑒定到的peak區間。

該格式在BED12的基礎上進行延伸，演變為BED12+3的格式，列數為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，為了專區表示peak區間內包含的exon信息，借鑒轉錄本的BED12格式，引入了以下6列

1. thickStart

2. thickEnd

3. itemRgb

4. blockCount

5. blockSizes

6. blockStarts

   
   

thickStart和thickEnd有點類似轉錄本中CDS的起始和終止位置，在存儲peak信息時，通常的做法是將這兩列的值和chromStart和chromEnd的值設置成相同的，itemRgb是一個RGB顏色值，比如255,0,0, 如果沒有對應的顏色信息，則用0來表示。

blockCount代表該peak區間包含的exon的個數，blockSizes代表每個exon區間的長度，多個exon用逗號連接，blockStarts代表每個exon區間在基因組上的起始位置，多個exon用逗號連接。

關于這三種格式的相關介紹請參考以下鏈接

https://genome.ucsc.edu/FAQ/FAQformat.html#format13

到此，相信大家對“narrow,broad, gapped peak三種格式之間的區別與聯系”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！