跳到正文
章节与参考

数据与工作流 · 第 3 节,共 12 节

6.2 读取区间与配对区间

下载 R 脚本包含本页准备与全部步骤。文件示例须先下载输入;预览和保存调用保留。
本页目录
R · 示例代码
library(ggchord)
library(dplyr)
准备数据与配置(展开)
R · 示例代码
library(dplyr)
seqs <- seq_data_example |>
  select(accver, length)
links <- ribbon_data_example |>
  select(qaccver, saccver, qstart, qend, sstart, send)
# 从原始注释字段恢复真实链。
genes <- gene_data_example |>
  transmute(accver, start, end, strand = source_strand)

先解压真实输入包,工作目录须含 examples/;每节单列可选依赖。

1 BED 和 PAF:坐标只转换一次

BED 的起点从 0 开始,终点不包含在区间内。下例读入一条 pUC19 复制起点记录,比较读入前后的坐标。

R · 示例代码
bed_path <- tempfile(fileext = ".bed")
writeLines("pUC19\t866\t1455", bed_path)
bed_features <- read_bed(bed_path)
unlink(bed_path)
bed_features
accver start end strand directionality chromStart chromEnd .source_line
pUC19 867 1455 . none 866 1455 1

PAF 提供两端全长和区间。先选出 mapq ≥ 30 的比对,再由两端长度生成骨架表。

R · 示例代码
paf_source <- read_paf("examples/format-inputs/emales-pair.paf")
paf_links <- filter(paf_source, !is.na(mapq), mapq >= 30)
paf_seqs <- bind_rows(
  transmute(paf_source, accver = qaccver, length = qlen),
  transmute(paf_source, accver = saccver, length = slen)
) |> distinct()
head(select(paf_links, qaccver, qstart, qend, saccver, sstart, send), 3)
qaccver qstart qend saccver sstart send
BVI_023A 1728 11139 Cflag_017A 17357 7863
BVI_023A 15258 15450 Cflag_017A 4320 4129
R · 示例代码
p_paf <- ggchord(paf_seqs) +
  geom_seq() +
  geom_seq_label() +
  geom_link_ribbon(data = paf_links) +
  coord_collinear()
view_ggchord(p_paf, width = 10, height = 5, units = "in")
从真实 minimap2 PAF 结果绘制的两条 EMALE 序列
从真实 minimap2 PAF 结果绘制的两条 EMALE 序列 · 打开高清原图

反向比对用递减的 subject 端点表达。绘图使用读取器转换后的坐标。

2 可选的区间对象

第一段把序列 a 上的 10–30 bp 转成特征表。第二段把 a 上的 10–30 bp 与 b 上的 40–60 bp 连成一条记录。GRanges 表示一个区间,GInteractions 表示一对区间。先安装 GenomicRanges 和 InteractionSet,完整序列长度由 seqlengths 提供。

R · 示例代码
gr <- GenomicRanges::GRanges("a", IRanges::IRanges(10, 30), strand = "+", seqlengths = c(a = 100))
as_ggchord_feature(gr)
accver start end strand .source_row directionality source_strand
a 10 30 + 1 forward +
R · 示例代码
query <- GenomicRanges::GRanges("a", IRanges::IRanges(10, 30), seqlengths = c(a = 100))
subject <- GenomicRanges::GRanges("b", IRanges::IRanges(40, 60), seqlengths = c(b = 120))
pair <- InteractionSet::GInteractions(query, subject)
as_ggchord_link(pair)
qaccver saccver qstart qend sstart send qstrand sstrand .source_row .query_anchor .subject_anchor orientation_known direction query_directionality subject_directionality
a b 10 30 40 60 * * 1 1 2 FALSE None none none

3 BED双端区间

read_bedpe()读取六个必填的制表符分隔字段,以及可选name、score、两条链和额外元数据。第一端保持query、第二端保持subject;score保留为字符串,不推断Identity或测序支持度。格式依据BEDPE说明。

下面将随包已观测比对的区间转写为BEDPE,用于坐标往返验证,不将它们当作配对测序证据。六列输入没有链证据,因此导入后的锚点链和相对方向保持未知。有真实链信息时才提供对应列,不由坐标升序猜测链。

R · 示例代码
data(ribbon_data_example)
paired_rows <- ribbon_data_example |>
  transmute(
    chrom1 = qaccver, start1 = pmin(qstart, qend) - 1, end1 = pmax(qstart, qend),
    chrom2 = saccver, start2 = pmin(sstart, send) - 1, end2 = pmax(sstart, send)
  )
paired_file <- tempfile(fileext = ".bedpe")
write.table(paired_rows, paired_file,
  sep = "\t", quote = FALSE, row.names = FALSE, col.names = FALSE
)
paired_links <- read_bedpe(paired_file)
unlink(paired_file)
paired_links |>
  select(qaccver, saccver, qstart, qend, sstart, send, q_mapped, s_mapped)

负链锚点采用降序canonical端点,与配对区间适配器一致;同时保留原始start/end和链字段。name不视为唯一ID。额外列在bedpe_extra中保留,按column_11起命名。未知染色体(.)或边界(-1)默认报错;显式unmapped="keep"为审计保留不完整行,适配或绘图前须筛选q_mapped & s_mapped。非法已知坐标和零宽区间始终报错。区间Ribbon没有Identity时,显式设置固定填充,不制造pident。

搜索说明

↑ ↓ 选择 · Enter 打开 · Esc 关闭;也可按任务查找。 API 与功能