UCSC genome browser 个人track 安装

用户1680321

发布于 2022-03-10 16:23:37

1.2K0

发布于 2022-03-10 16:23:37

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=chrN
2 [span=windowSize]
3 chromStartA  dataValueA
4 chromStartB  dataValueB
5 ... 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=chrN
2 start=position  step=stepInterval
3 [span=windowSize]
4 dataValue1
5 dataValue2
6 ... 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。

 1 chr1    249250621
 2 chr2    243199373
 3 chr3    198022430
 4 chr4    191154276
 5 chr5    180915260
 6 chr6    171115067
 7 chr7    159138663
 8 chrX    155270560
 9 chr8    146364022
10 chr9    141213431
11 chr10    135534747
12 chr11    135006516
13 chr12    133851895
14 chr13    115169878
15 chr14    107349540
16 chr15    102531392
17 chr16    90354753
18 chr17    81195210
19 chr18    78077248
20 chr20    63025520
21 chrY    59373566
22 chr19    59128983
23 chr22    51304566
24 chr21    48129895
25 chr6_ssto_hap7    4928567
26 chr6_mcf_hap5    4833398
27 chr6_cox_hap2    4795371
28 chr6_mann_hap4    4683263
29 chr6_apd_hap1    4622290
30 chr6_qbl_hap6    4611984
31 chr6_dbb_hap3    4610396
32 chr17_ctg5_hap1    1680828
33 chr4_ctg9_hap1    590426
34 chr1_gl000192_random    547496
35 chrUn_gl000225    211173
36 chr4_gl000194_random    191469
37 chr4_gl000193_random    189789
38 chr9_gl000200_random    187035
39 chrUn_gl000222    186861
40 chrUn_gl000212    186858
41 chr7_gl000195_random    182896
42 chrUn_gl000223    180455
43 chrUn_gl000224    179693
44 chrUn_gl000219    179198
45 chr17_gl000205_random    174588
46 chrUn_gl000215    172545
47 chrUn_gl000216    172294
48 chrUn_gl000217    172149
49 chr9_gl000199_random    169874
50 chrUn_gl000211    166566
51 chrUn_gl000213    164239
52 chrUn_gl000220    161802
53 chrUn_gl000218    161147
54 chr19_gl000209_random    159169
55 chrUn_gl000221    155397
56 chrUn_gl000214    137718
57 chrUn_gl000228    129120
58 chrUn_gl000227    128374
59 chr1_gl000191_random    106433
60 chr19_gl000208_random    92689
61 chr9_gl000198_random    90085
62 chr17_gl000204_random    81310
63 chrUn_gl000233    45941
64 chrUn_gl000237    45867
65 chrUn_gl000230    43691
66 chrUn_gl000242    43523
67 chrUn_gl000243    43341
68 chrUn_gl000241    42152
69 chrUn_gl000236    41934
70 chrUn_gl000240    41933
71 chr17_gl000206_random    41001
72 chrUn_gl000232    40652
73 chrUn_gl000234    40531
74 chr11_gl000202_random    40103
75 chrUn_gl000238    39939
76 chrUn_gl000244    39929
77 chrUn_gl000248    39786
78 chr8_gl000196_random    38914
79 chrUn_gl000249    38502
80 chrUn_gl000246    38154
81 chr17_gl000203_random    37498
82 chr8_gl000197_random    37175
83 chrUn_gl000245    36651
84 chrUn_gl000247    36422
85 chr9_gl000201_random    36148
86 chrUn_gl000235    34474
87 chrUn_gl000239    33824
88 chr21_gl000210_random    27682
89 chrUn_gl000231    27386
90 chrUn_gl000229    19913
91 chrM    16571
92 chrUn_gl000226    15008
93 chr18_gl000207_random    4262

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.sorted
2     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，用vcftools 中的vcf-sort,没有的话需要去下载,https://sourceforge.net/projects/vcftools/

1 vcf-sort 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 bedSort 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 chr21:33,031,597-33,041,570
2 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 chr22:20100000-20140000
2 track name=spacer description="Blue ticks every 10000 bases" color=0,0,255,
3 chr22   20100000 20100001
4 chr22   20110000 20110001
5 chr22   20120000 20120001
6 track name=even description="Red ticks every 100 bases, skip 100" color=255,0,0
7 chr22   20100000 20100100    first
8 chr22   20100200 20100300    second
9 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hg19
2 trackDb assembly_1_path/trackDb.txt   #trackDb文件,包括对比到hg19的所有track
3 
4 
5 genome assembly_database_2
6 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.bam
10 shortLabel DNAse Reads
11 longLabel DNAse reads mapped with MAQ
12 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_lumpy
2 type vcfTabix
3 bigDataUrl GC_WGS_tumour.sorted.vcf.gz
4 shortLabel GC_WGS tumour vcf lumpy
5 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