章节与参考
数据与工作流 · 第 4 节,共 12 节
6.3 信号与覆盖数据
准备数据与配置(展开)
先解压真实输入包,工作目录须含 examples/;每节单列可选依赖。
1 连续信号:bedGraph 与 BigWig
这个安装包内的示例由未改动的随包 pUC19 序列按 100 bp 窗口计算真实 GC 百分比,末窗为 86 bp;它是序列组成,不是实验测序覆盖度。data-raw/prepare-signal-inputs.R 保留生成规则,inst/extdata/signal-sources.json 保留哈希及显式的原始表头映射。读取器保留标识。
R · 示例代码
signal_file <- system.file("extdata", "pUC19-gc-100.bedGraph", package = "ggchord")
signal <- read_bedgraph(signal_file, source_file = TRUE)
data(plasmid_example_pUC19)
gc_band <- position_track("GC", side = "inside", width = unit(7, "mm"))
p_signal <- ggchord(plasmid_example_pUC19) +
geom_seq(show.legend = FALSE) +
geom_track(
aes(xmin = start - 1, xmax = end, ymin = 0, ymax = value, fill = value),
data = signal, geom = "rect", track = gc_band
) +
scale_track_value_continuous("GC", limits = c(0, 100), unit = "GC (%)") +
scale_track_fill_gradientn(
"GC", colours = c("#F1E51D", "#31849B"), limits = c(0, 100), name = "GC (%)"
) +
coord_circular()
p_signal
if (.Platform$OS.type != "windows" && requireNamespace("rtracklayer", quietly = TRUE)) {
indexed_file <- system.file("extdata", "pUC19-gc-100.bw", package = "ggchord")
selected_signal <- read_bigwig(
indexed_file,
which = data.frame(accver = "pUC19", start = c(50, 100), end = c(150, 250)),
source_file = TRUE
)
selected_signal |> select(accver, start, end, value)
}bedGraph 为四列制表符分隔数据,使用零基半开坐标及有限的有符号数值。导入仅转换一次坐标;原始端点、值、物理行号和不解释样式的显示表头均可追溯。每文件一条信号,多个 track 定义应拆分。字面序列 ID track、browser 合法,表头不设置图形样式。重叠行保留,不隐式采用末行覆盖规则。
矩形以 start - 1 和 end 为单元边界,不在缺失区间插值连线。BigWig 需要可选 rtracklayer,其解码器不支持 Windows;该平台使用已有 bedGraph 文件。二进制导入的 GRanges 已是一基闭区间。区段值保留二进制浮点精度,区段数量不代表原始测量次数。完整长度来自文件表头。查询采用无链区间并集,结果裁切至并集,空选区返回零行。缺失区间仍缺失,与存储的零不同;不制造 coverage、identity、support、单位或裁切前观测 ID。各 Track 的映射、数值域、单位和 Guide 仍显式配置。
2 已比对 reads:可选覆盖度桥接
使用可选 GenomicAlignments、Rsamtools 和 GenomicRanges 读取已有 BAM,显式选择过滤与计数口径,再由 ggchord 绘制信号。本例使用依赖包中未改动的果蝇 RNA-seq 子集,原 BAM header 保留 TopHat、参考及 SRR 来源;固定源 URL 和校验和见 tools/long-term-audit/v0.27.0-read-coverage-results.json。不运行 read 比对或变异检测。
R · 示例代码
if (requireNamespace("GenomicAlignments", quietly = TRUE) &&
requireNamespace("Rsamtools", quietly = TRUE)) {
bam_file <- system.file("extdata", "sm_treated1.bam", package = "GenomicAlignments")
read_filter <- Rsamtools::ScanBamParam(
flag = Rsamtools::scanBamFlag(
isUnmappedQuery = FALSE, isSecondaryAlignment = FALSE,
isNotPassingQualityControls = FALSE, isDuplicate = FALSE
), mapqFilter = 0L
)
aligned <- GenomicAlignments::readGAlignments(bam_file, param = read_filter)
read_coverage <- GenomicAlignments::coverage(aligned, drop.D.ranges = TRUE)
coverage_track <- bind_rows(lapply(names(read_coverage), function(id) {
runs <- read_coverage[[id]]
ends <- cumsum(S4Vectors::runLength(runs))
data.frame(
accver = id, start = c(1, head(ends, -1L) + 1), end = ends,
value = S4Vectors::runValue(runs)
)
}))
coverage_track |> head()
}每条保留的alignment 记录在其已比对参考区块上贡献一次。跳过区(N)以及本例显式排除的删除区(D)贡献零;保留 supplementary alignment。不设碱基质量阈值,不去除重叠配对端或重复分子。这不是自动得到的 fragment、唯一分子、表达量、Identity 或变异支持度。零段是该明确计算中的已存储零,与实验信号缺失不同。大型输入可用依赖包的流式 BamFile coverage 方法,并沿用相同过滤声明。
将这些一基闭合区间交给 geom_track(geom = "rect"),设置 xmin = start - 1、xmax = end、ymin = 0、ymax = value,方法见连续信号。完整参考长度取 scanBamHeader(bam_file)[[1]]$targets,不取最后 read 端点。绘制小区域前显式选择源窗口。
CRAM 应由已有 HTSlib/pysam 或 samtools 环境解码,需要参考时提供实际匹配的参考,保留原 header、过滤和转换日志。不伪造参考、不自动下载未请求资源,也不宣称所有 CRAM 都可独立解码。定向原型仅用 no_ref=1 将相同真实 BAM 记录重编码,无外部参考访问,再核对解码后的全部记录字段/标签、参考字典及覆盖度。这是格式往返,不是原始 CRAM 观测,也不是所有参考型 CRAM 的认证。上游 SO:sorted header 和临时索引缺失产生的解码消息均保留;顺序读取成功,没有改写它们。