玩转基因组浏览器之tdf文件

将bam文件导入IGV之后，可以直观的查看测序深度的分布情况, 但是直接导入bam文件会占用比较大的内存，如果只是想要查看测序深度信息，有很多其他的代替方案。

tdf是IGV官方推荐的一种二进制格式，类似bedgraph格式，用窗口的方式来记录测序深度信息。相比bam文件，tdf文件会小很多，导入和查看也更快速。可以通过igvtools来生成tdf文件，命令如下

igvtools count input.bam out.tdf hg19.chrom.sizes

需要三个参数，第一个参数为输入文件，支持bam, sam等格式，第二个参数为输出文件，支持tdf和wig两种格式，第三个参数为基因组的ID或者保存染色体大小的chrom.sizes文件。在igvtools的安装目录，有个lib/genomes文件夹，保存了很多物种的chrom.sizes文件

当你提供了基因组ID时，软件会自动在该目录下查找对应的文件，默认的ID是hg18, 当然你也可以自己准备这个文件，内容如下所示

\t分隔的两列，第一列为染色体名称，第二列为染色体长度。在我的测试中，bam文件大小为1.3G, 输出的tdf文件大小为17M, 而wig文件为59M，转换为二进制的bigwig文件大小为25M。可以看到，tdf的文件大小最小。输出的tdf文件可以直接导入IGV进行查看，示意如下

上图的wig,tdf来自同一个bam文件，从峰型可以看出，三者基本一致。只所以说基本一致，是因为wig和tdf都是以窗口的方式来统计测序深度的，而bam则以单个碱基为单位。在IGV中进一步放大，可以看到下图

wig和tdf不再是平滑的峰，变成了一个个很宽的柱子。相比之下，bam文件依然是以碱基为单位的柱子。通过下面的命令，可以将tdf文件转换为bedgraph这种纯文本格式

igvtools tdftobedgraph  input.tdf out.bedgraph

内容如下

可以看到，tdf默认以25bp为窗口，统计该窗口内测序深度的平均值。窗口大小是可以调整的，可以通过如下命令进行调节

igvtools count -w 50  input.bam out.tdf hg19.chrom.sizes

tdf和bigwig两种格式都是以窗口方式统计测序深度，窗口越大，对应的文件大小越小，而分辨率也越低。