外觀
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 B | bedtools subtract -a A.bed -b B.bed |
| 每個區域往外延伸 100 bp | bedtools 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。