bedtools提取基因上游启动子区域序列

bed文件介绍

BED文件(Browser Extensible Data)格式是ucsc 的genome browser的一个格式 ,提供了一种灵活的方式来定义的数据行，以用来描述注释信息。BED行有3个必须的列和9个额外可选的列。

1. 必须的列：

• chrom：染色体编号。
• chromStart：feature在染色体上起始位置。需要注意的是，bed文件是从0开始编码的，即最开始的碱基编号是0，而gff文件则是1。
• chromEnd：feature在染色体上的终止位置。

2. 可选的列：

• name：feature的名称。
• score：得分，在0~1000之间。
• strand：定义链的方向，‘+’或‘-’。
• thickStart：绘制feature的起始位置。
• thickEnd：绘制feature的结束位置。
• itemRgb：是一个RGB值的形式, R, G, B (eg. 255, 0,0), 如果itemRgb设置为‘On’, 这个RBG值将决定数据的显示的颜色。
• blockCount：BED行中的block数目，也就是外显子数目。
• blockSize：用逗号分割的外显子的大小, 这个item的数目对应于BlockCount的数目。
• blockStarts：用逗号分割的列表, 所有外显子的起始位置，数目也与blockCount数目对应。

bedtools的安装

• 利用conda安装(推荐)：

conda install -c bioconda bedtools

• 通过源码安装：

wget https://github.com/arq5x/bedtools2/releases/download/v2.30.0/bedtools-2.30.0.tar.gz
tar -xzvf bedtools-2.30.0.tar.gz
cd bedtools2/
make
cd bin
export PATH=$PWD:$PATH

bedtools提取序列

1. gff文件转换为bed格式

grep -w gene Osativa_323_v7.0.gene_exons.gff3 > gene.gff3
convert2bed  --input=gff --output=bed  <genes.gff >genes.bed #需要提前安装bedops

2. 计算染色体长度

samtools faidx Osativa_323_v7.0.fa 
cut -f 1,2 Osativa_323_v7.0.fa.fai > ChrLen.txt

3. 创建基因上游2kb启动子序列的位置bed文件

bedtools flank -s -i gene.bed -g ChrLen.txt -l 2000 -r 0 > gene_up_2k.bed

bedtools getfasta -s -fi Osativa_323_v7.0.fa -bed gene_up_2k.bed -fo gene_up_2k.fa -name