Skip to content

生資工具 › NGS 工具 › bedtools

bedtools ​

基因體區間運算 (genome arithmetic) 工具:交集、合併、差集、覆蓋度、取序列。可吃 BED、GFF/GTF、VCF、BAM。格式與 0-based 座標見 BED。

想做 X → 指令 ​

想做指令
排序(多數指令的前提)bedtools sort -i in.bed(或 sort -k1,1 -k2,2n)
合併重疊 / 相鄰區間bedtools merge -i sorted.bed
合併並收集名稱欄bedtools merge -i sorted.bed -c 4 -o distinct(collapse 保留重複)
A 中與 B 重疊的部分bedtools intersect -a A.bed -b B.bed
A 中「有」重疊的完整區間(各一次)bedtools intersect -a A.bed -b B.bed -u
A 中「沒有」重疊的區間bedtools intersect -a A.bed -b B.bed -v
同時輸出 A 與 B 的欄位bedtools intersect -a A.bed -b B.bed -wa -wb
變異落在哪個基因bedtools intersect -a variants.vcf.gz -b genes.bed -wa -wb
至少重疊 A 的 50%bedtools intersect -a A.bed -b B.bed -f 0.5(-r 雙向)
從 A 扣掉 Bbedtools subtract -a A.bed -b B.bed
每個區域往外延伸 100 bpbedtools slop -i in.bed -g genome.txt -b 100
基因體中沒被覆蓋的區域bedtools complement -i in.bed -g genome.txt
最近的基因與距離bedtools closest -a peaks.bed -b genes.bed -d
目標區域的覆蓋度bedtools coverage -a targets.bed -b sample.bam
取區域序列bedtools getfasta -fi ref.fa -bed in.bed -name
切成固定大小的視窗bedtools makewindows -g genome.txt -w 1000

genome.txt 是兩欄的「染色體 長度」,可從 samtools faidx ref.fa 產生的 ref.fa.fai 取前兩欄。

範例:panel 目標區域整理 ​

bash
# 1. 合併重疊的 amplicon,保留基因名稱(不重複)
bedtools sort -i amplicons.bed | bedtools merge -c 4 -o distinct > targets.bed
# chr12  25245274  25245395  KRAS

# 2. 每個目標區域往外加 10 bp padding
bedtools slop -i targets.bed -g GRCh38.genome -b 10 > targets.pad10.bed

# 3. 每個區域的覆蓋度:reads 數、有覆蓋的鹼基數、區域長度、覆蓋比例
bedtools coverage -a targets.pad10.bed -b sample.bam -sorted -g GRCh38.genome

-sorted 搭配排序過的輸入可大幅節省記憶體;此時兩個檔案的染色體順序必須和 -g 一致。

常見錯誤 ​

錯誤原因 / 修正
交集結果比預期多一行一行重複預設每個重疊對輸出一次;只要 A 的區間各一次用 -u
差 1 個鹼基BED 是 0-based、半開區間;VCF / GFF 是 1-based(bedtools 會自動轉換,手動轉檔時常出錯)
merge 結果怪輸入沒排序
-sorted 報錯檔案間染色體順序不同(chr10 排在 chr2 前後的差異)
某些染色體完全沒有結果命名不一致(chr1 vs 1)

R 的對應是 GenomicRanges::findOverlaps()(見 Bioconductor);Python 可用 pybedtools / pyranges。官方文件:bedtools。