Dean's blog
0%

bedtools-intersect简单介绍

Posted on
Symbols count in article: 3.2k Reading time ≈ 3 mins.

整理ChIP-seq / CUT & Tag 分析时用到的工具。本文只对使用的工具用法进行简单介绍。

bedtools-intersect

当我们想判断两个基因组区域，例如两个peaks是否重叠时，可以使用bedtools intersect解决这种问题。

以下使用bedtools官方提供的例子进行展示

一比一

一般情况，使用bedtools intersect寻找两个peaks文件的交集可以如下操作

1
2
3
4
5
6
7
8
9
$ cat A.bed
chr1  10  20
chr1  30  40

$ cat B.bed
chr1  15   20

$ bedtools intersect -a A.bed -b B.bed
chr1  15   20

-a：查询文件，可以是BAM/BED/GFF/VCF格式，A中的每一行都会与B进行比较以找出重叠的部分
-b：参考文件，依照-b输入的文件在A里面找重叠的部分，可以是BAM/BED/GFF/VCF格式。-b可以输入多个文件，用空格分开即可。现在可以用通配符（*）识别多个输入文件。

一比多

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
$ cat query.bed
chr1  1   20
chr1  40  45
chr1  70  90
chr1  105 120
chr2  1   20
chr2  40  45
chr2  70  90
chr2  105 120
chr3  1   20
chr3  40  45
chr3  70  90
chr3  105 120
chr3  150 200
chr4  10  20

$ cat d1.bed
chr1  5   25
chr1  65  75
chr1  95  100
chr2  5   25
chr2  65  75
chr2  95  100
chr3  5   25
chr3  65  75
chr3  95  100

$ cat d2.bed
chr1  40  50
chr1  110 125
chr2  40  50
chr2  110 125
chr3  40  50
chr3  110 125

$ cat d3.bed
chr1  85  115
chr2  85  115
chr3  85  115

$ bedtools intersect -wa -wb \
    -a query.bed \
    -b d1.bed d2.bed d3.bed \
    -sorted \
    -filenames
chr1  1   20  d1.bed  chr1  5   25
chr1  40  45  d2.bed  chr1  40  50
chr1  70  90  d1.bed  chr1  65  75
chr1  70  90  d3.bed  chr1  85  115
chr1  105 120 d2.bed  chr1  110 125
chr1  105 120 d3.bed  chr1  85  115
chr2  1   20  d1.bed  chr2  5   25
chr2  40  45  d2.bed  chr2  40  50
chr2  70  90  d1.bed  chr2  65  75
chr2  70  90  d3.bed  chr2  85  115
chr2  105 120 d2.bed  chr2  110 125
chr2  105 120 d3.bed  chr2  85  115
chr3  1   20  d1.bed  chr3  5   25
chr3  40  45  d2.bed  chr3  40  50
chr3  70  90  d1.bed  chr3  65  75
chr3  70  90  d3.bed  chr3  85  115
chr3  105 120 d2.bed  chr3  110 125
chr3  105 120 d3.bed  chr3  85  115

-wa：在交集中输出A的完整区间，而不仅是重叠的部分
-wb：在交集中输出B的完整区间，而不仅是重叠的部分
-sorted：该参数表明输入的文件是预先按照染色体和染色体坐标排序过，可以提高bedtools运行的效率。
-filenames：标明重叠区域是源于和哪个B文件发生重叠。

输出A unique的区域

1
2
3
4
5
6
7
$ bedtools intersect -wa -wb \
    -a query.bed \
    -b d1.bed d2.bed d3.bed \
    -sorted \
    -v
chr3  150 200
chr4  10  20

-v：输出A unique的区域

定义重叠阈值

这里定义两个区域100%一样才算重叠

1
2
3
4
5
6
7
8
9
$ bedtools intersect -wa -wb \
    -a query.bed \
    -b d1.bed d2.bed d3.bed \
    -sorted \
    -names d1 d2 d3
    -f 1.0
chr1  40  45  d2  chr1  40  50
chr2  40  45  d2  chr2  40  50
chr3  40  45  d2  chr3  40  50

-f：指定两个区域最小重叠多少bp才算与A发生重叠，默认1bp（1E9）
-F：指定两个区域最小重叠多少bp才算与B发生重叠，默认1bp（1E9）

输出重叠区域的长度

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
$ cat A.bed
chr1    10    20
chr1    30    40

$ cat B.bed
chr1    15  20
chr1    18  25
# -wa
$ bedtools intersect -a A.bed -b B.bed -wo
chr1    10    20    chr1    15  20  5
chr1    10    20    chr1    18  25  2
# -wao
$ bedtools intersect -a A.bed -b B.bed -wao
chr1    10    20    chr1    15  20  5
chr1    10    20    chr1    18  25  2
chr1    30    40    .       -1  -1  0

-wo：输出A、B重叠区域重叠的bp
-wao：输出A、B重叠区域重叠的bp，假如B中不存在A的这个区域则输出0。

合并输出结果中重叠的区域

有时候A与B的交集区域之间可能也有重叠，这一点可以通过-u参数解决。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
$ cat A.bed
chr1  10  20

$ cat B.bed
chr1  15  20
chr1  17  22

# without `-u`
$ bedtools intersect -a A.bed -b B.bed
chr1  15   20
chr1  17   20
# with `-u`
$ bedtools intersect -a A.bed -b B.bed -u
chr1  10   20

输出A与B overlap 的次数

如果我们只是想知道A文件中的区域与B文件的区域发生了多少次重叠，可以使用-c参数，或者使用-C参数分别输出不同来源的overlaps

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 cat A.bed
chr1    10    20
chr1    30    40

$ cat B.bed
chr1    15  20
chr1    18  25

$ cat C.bed
chr1    16  21
chr1    19  26
# -c 不管来源
$ bedtools intersect -a A.bed -b B.bed C.bed -c
chr1    10    20    4
chr1    30    40    0
# -C 考虑来源
$ bedtools intersect -a A.bed -b B.bed C.bed -C -filenames    
chr1    10      20      B.bed   2
chr1    10      20      C.bed   2
chr1    30      40      B.bed   0
chr1    30      40      C.bed   0

考虑正负链

如果在找交集的过程中需要考虑链特异性的时候，可以使用-s参数；
或者使用-S参数，强制不考虑正负链，而只考虑基因组区域是否重叠

1
2
3
4
5
6
7
8
9
10
11
12
$ cat A.bed
chr1 100 200 a1 100 +

$ cat B.bed
chr1 130 201 b1 100 -
chr1 132 203 b2 100 +
# 考虑正负链
$ bedtools intersect -a A.bed -b B.bed -wa -wb -s
chr1 100 200 a1 100 + chr1 132 203 b2 100 +
# 不考虑正负链，只考虑基因组区域
$ bedtools intersect -a A.bed -b B.bed -wa -wb -S
chr1 100 200 a1 100 + chr1 130 201 b1 100 -

对bedtools intersect的介绍到此结束，bedtools的其他命令有机会再做介绍。

Ref:
bedtools intersect docs: https://bedtools.readthedocs.io/en/latest/content/tools/intersect.html

完。