bedtools实用程序是用于处理基因组信息分析的强大工具集合。 例如，bedtools允许人们以广泛使用的基因组文件格式（例如BAM，BED，GFF / GTF，VCF）与多个文件中的基因组间隔相交，合并，计数，互补和混洗。 虽然每个工具都设计为执行相对简单的任务（例如，将两个间隔文件相交），但可以通过在UNIX命令行上组合多个bedtools操作来进行相当复杂的分析。

1       安装准备

华为云购买一台鲲鹏服务器

本文以云服务器KC1实例搭建，云服务器配置如表1-1所示。

表1-1 云服务器配置

操作系统要求如表1-2所示。

表1-2 操作系统要求

2       配置编译环境

yum install zlib-devel bzip2-devel xz-devel -y

3       安装

1)         获取源码

cd /usr/local
wget https://github.com/arq5x/bedtools2/releases/download/v2.28.0/bedtools-2.28.0.tar.gz

2)         编译安装

tar -zxvf bedtools-2.28.0.tar.gz
cd bedtools2
make -j4
ln -s /usr/local/bedtools2/bin/bedtools /usr/bin/bedtools

4       运行和验证

1)         获取测试数据

mkdir ~/lec28
cd ~/lec28
curl -O https://s3.amazonaws.com/bedtools-tutorials/web/maurano.dnaseI.tgz
curl -O https://s3.amazonaws.com/bedtools-tutorials/web/cpg.bed
curl -O https://s3.amazonaws.com/bedtools-tutorials/web/exons.bed
curl -O https://s3.amazonaws.com/bedtools-tutorials/web/gwas.bed
curl -O https://s3.amazonaws.com/bedtools-tutorials/web/genome.txt
curl -O https://s3.amazonaws.com/bedtools-tutorials/web/hesc.chromHmm.bed
tar -zxvf maurano.dnaseI.tgz
rm -f maurano.dnaseI.tgz

数据显示如下：

[root@ecs lec28]# ls
cpg.bed                                    fLung_L-DS17154.hg19.hotspot.twopass.fdr0.05.merge.bed
exons.bed                                   fLung_L-DS18421.hg19.hotspot.twopass.fdr0.05.merge.bed
fBrain-DS14718.hotspot.twopass.fdr0.05.merge.bed                fLung_R-DS15632.hotspot.twopass.fdr0.05.merge.bed
fBrain-DS16302.hotspot.twopass.fdr0.05.merge.bed                fMuscle_arm-DS19053.hg19.hotspot.twopass.fdr0.05.merge.bed
fHeart-DS15643.hotspot.twopass.fdr0.05.merge.bed                fMuscle_back-DS18454.hg19.hotspot.twopass.fdr0.05.merge.bed
fHeart-DS15839.hotspot.twopass.fdr0.05.merge.bed                fMuscle_leg-DS19115.hg19.hotspot.twopass.fdr0.05.merge.bed
fHeart-DS16621.hotspot.twopass.fdr0.05.merge.bed                fMuscle_leg-DS19158.hg19.hotspot.twopass.fdr0.05.merge.bed
fIntestine_Sm-DS16559.hotspot.twopass.fdr0.05.merge.bed            fSkin_fibro_bicep_R-DS19745.hg19.hotspot.twopass.fdr0.05.merge.bed
fIntestine_Sm-DS16712.hg19.hotspot.twopass.fdr0.05.merge.bed          fStomach-DS17659.hg19.hotspot.twopass.fdr0.05.merge.bed
fIntestine_Sm-DS16822.hotspot.twopass.fdr0.05.merge.bed             genome.txt
fIntestine_Sm-DS17808.hg19.hotspot.twopass.fdr0.05.merge.bed          gwas.bed
fIntestine_Sm-DS18495.hg19.hotspot.twopass.fdr0.05.merge.bed          hesc.chromHmm.bed
fKidney_renal_cortex_L-DS17550.hg19.hotspot.twopass.fdr0.05.merge.bed

这些文件内容是胎儿的组织样品，包括脑、心脏、肠道、肾脏、肺、肌肉、皮肤以及胃，其中：

• cpg.bed：人类基因组中的CpG岛；

• exons.bed：人类基因的RefSeq外显子；

• gwas.bed：在全基因组关联研究（GWAS）中鉴定的与人类疾病相关的SNP。

2)         交集操作。

比如，找到A和B文件中重叠的部分。

bedtools intersect -a cpg.bed -b exons.bed | head -5

[root@ecs lec28]# bedtools intersect -a cpg.bed -b exons.bed | head -5
chr1    29320    29370    CpG:_116
chr1    135124   135563   CpG:_30
chr1    327790   328229   CpG:_29
chr1    327790   328229   CpG:_29
chr1    327790   328229   CpG:_29

3)         从注释文件中，选取启动子。

cat hesc.chromHmm.bed | grep Promoter > promoters.bed
cat promoters.bed |head -5

[root@ecs lec28]# cat hesc.chromHmm.bed | grep Promoter > promoters.bed
[root@ecs lec28]# cat promoters.bed |head -5
chr1    27737    28537    2_Weak_Promoter
chr1    28537    30137    1_Active_Promoter
chr1    30137    30337    2_Weak_Promoter
chr1    30537    30737    3_Poised_Promoter
chr1    713137   713337   2_Weak_Promoter

4)         找到跟每个exon最近的启动子。

bedtools closest -a exons.bed -b promoters.bed -d | head -5

[root@ecs lec28]# bedtools closest -a exons.bed -b promoters.bed -d | head -5
chr1    11873    12227    NR_046018_exon_0_0_chr1_11874_f 0        +        chr1    27737    28537    2_Weak_Promoter  15511
chr1    12612    12721    NR_046018_exon_1_0_chr1_12613_f 0        +        chr1    27737    28537    2_Weak_Promoter  15017
chr1    13220    14409    NR_046018_exon_2_0_chr1_13221_f 0        +        chr1    27737    28537    2_Weak_Promoter  13329
chr1    14361    14829    NR_024540_exon_0_0_chr1_14362_f 0        -        chr1    27737    28537    2_Weak_Promoter  12909
chr1    14969    15038    NR_024540_exon_1_0_chr1_14970_f 0        -        chr1    27737    28537    2_Weak_Promoter  12700