一、BED 文件格式
BED 文件格式提供了一种灵活的方式来定义的数据行,以用来描述注释的信息。BED行有3个必须的列和9个额外可选的列。 每行的数据格式要求一致。
必须包含的3列:
1.chrom, 染色体名字(e.g. chr3, chrY)
2.chromStart, 目标区段在染色体起始位置,染色体第一个碱基的位置是0
3.chromEnd, 目标区段在染色体结束位置,染色体的末端位置没有包含到显示信息里面。例如,首先得100个碱基的染色体定义为chromStart =0 . chromEnd=100, 碱基的区段是0-99
9个可选列
4.name、5.score、6.strand、7.thickStart、8.thickEnd、9.itemRGB、10.blockCount、11.blockSize、12.blockStarts
二、基因组文件下载和seqFasta.py相关依赖包下载
1.基因组文件下载,如人hg38
$ wget http://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz
2.seqFasta.py依赖包下载
$ pip install numpy pyfasta
三、运行脚本seqFasta.py得到结果
1.利用geneInfo.py得到bed文件
$ python geneInfo.py -i brca1 -d hg38 -o brca1.bed
2.运行seqFasta.py得到fasta序列
$ python seqFasta.py -g $HG38/hg38.fa -b brca1.bed
【参考列表】
原文地址:https://www.cnblogs.com/yahengwang/p/9332487.html