网站后台培训学校网站开发 模板 c
原文链接：如何使用bedtools、convert2bed、gff2bed提取基因序列
前言
我们的使用基因组注释文件gtf或gff文件从基因组fa文件中提取transcript的方式很多,相对用的比较多的是使用gffread软件。但是gffread软件，提取的序列一般都是transcript序列，若是，我们的想提取的gene序列，那么不能直接使用基因组gtf文件。
本次，我们介绍其中的一种方法。使用bedtools getfasta提取gene全长序列。
注意：这仅仅只是其中的一种方法而已。
软件安装
- 软件安装，使用
mamba安装bedtools,convert2bed,gff2bed。
mamba install -y bedtools convert2bed gff2bed
- 软件测试
bedtools -h
$ bedtools -hbedtools is a powerful toolset for genome arithmetic.Version: v2.31.1
About: developed in the quinlanlab.org and by many contributors worldwide.
Docs: http://bedtools.readthedocs.io/
Code: https://github.com/arq5x/bedtools2
Mail: https://groups.google.com/forum/#!forum/bedtools-discussUsage: bedtools <subcommand> [options]The bedtools sub-commands include:[ Genome arithmetic ]intersect Find overlapping intervals in various ways.window Find overlapping intervals within a window around an interval.closest Find the closest, potentially non-overlapping interval.coverage Compute the coverage over defined intervals.map Apply a function to a column for each overlapping interval.genomecov Compute the coverage over an entire genome.merge Combine overlapping/nearby intervals into a single interval.cluster Cluster (but don't merge) overlapping/nearby intervals.complement Extract intervals _not_ represented by an interval file.shift Adjust the position of intervals.subtract Remove intervals based on overlaps b/w two files.
- 制作
bed文件
使用bedtools提取序列，需要制作bed文件。格式如下所示：
我们可以直接使用awk命令进行提取对应的信息。我们使用Cucumber的gff注释文件提取。
cat Cucumber.CLv4.gff3 | awk '{if($3 == "gene") print $0}' | awk '{print $1"\t"$4"\t"$5"\t"$9"\t"$7}' | head
提取对应的列信息即可。
使用convert2bed或gff2bed结合起来提取信息。
cat Cucumber.CLv4.gff3 |awk '{if($3~/^gene$/)print }' > 01.gene.gff && convert2bed --input=gff --output=bed < 01.gene.gff > 02.gene.bed
获得如下信息
我们在此基础上加上awk的命令即可，同上。
cat Cucumber.CLv4.gff3 |awk '{if($3~/^gene$/)print }' > 01.gff && convert2bed --input=gff --output=bed < 01.gff > 02.bed && awk '{print $1"\t"$2"\t"$3"\t"$10"\t"$6}' <02.bed>03.bed
使用gff2bed软件结合。
awk '{if($3~/^gene$/)print}' Cucumber.CLv4.gff3 > 01.genes.gff && gff2bed <01.genes.gff> 02.genes.bed
使用bedtools getfasta提取序列。
bedtools getfasta -fi Cucumber.geome.fa -bed 02.gene.bed -fo cucumber.gene.fa -name -s
-name参数是必须加的，若是不加，你的cucumber.gene.fa文件中无基因名。
$ bedtools getfasta -hTool: bedtools getfasta (aka fastaFromBed)
Version: v2.31.1
Summary: Extract DNA sequences from a fasta file based on feature coordinates.Usage: bedtools getfasta [OPTIONS] -fi <fasta> -bed <bed/gff/vcf>Options: -fi Input FASTA file-fo Output file (opt., default is STDOUT-bed BED/GFF/VCF file of ranges to extract from -fi-name Use the name field and coordinates for the FASTA header-name+ (deprecated) Use the name field and coordinates for the FASTA header-nameOnly Use the name field for the FASTA header-split Given BED12 fmt., extract and concatenate the sequencesfrom the BED "blocks" (e.g., exons)-tab Write output in TAB delimited format.-bedOut Report extract sequences in a tab-delimited BED format instead of in FASTA format.- Default is FASTA format.-s Force strandedness. If the feature occupies the antisense,strand, the sequence will be reverse complemented.- By default, strand information is ignored.-fullHeader Use full fasta header.- By default, only the word before the first space or tab is used.-rna The FASTA is RNA not DNA. Reverse complementation handled accordingly.
输出的结果基因ID如下所示。
>CsaV4_1G000004::chr1:1088370-1092905
>CsaV4_1G000005::chr1:1095847-1098019
>CsaV4_1G000003::chr1:1084077-1087157
使用sed命令进行批量处理：
sed 's/::.*//' input.fa > output.fa
若我们的教程对你有所帮助，请点赞+收藏+转发，大家的支持是我们更新的动力！！
2024已离你我而去，2025加油！！
2024年推文汇总 (点击后访问)
2023年推文汇总 (点击后访问)
2022年推文汇总 (点击后访问)
往期部分文章
1. 最全WGCNA教程（替换数据即可出全部结果与图形）
- WGCNA分析代码六
推荐大家购买最新的教程，若是已经购买以前WGNCA教程的同学，可以在对应教程留言，即可获得最新的教程。（注：此教程也仅基于自己理解，不仅局限于此，难免有不恰当地方，请结合自己需求，进行改动。）
2. 精美图形绘制教程
- 精美图形绘制教程
- 《R语言绘图专栏–50+图形绘制教程》
3. 转录组分析教程
-
转录组上游分析教程[零基础]
-
一个转录组上游分析流程 | Hisat2-Stringtie
-
Samll RNA上游分析
4. 转录组下游分析
-
批量做差异分析及图形绘制 | 基于DESeq2差异分析
-
GO和KEGG富集分析
-
单基因GSEA富集分析
-
全基因集GSEA富集分析
BioinfoR生信筆記 ，注于分享生物信息学相关知识和R语言绘图教程。