Question

我试图用circos软件描绘我寄生虫的全基因组序列（WGS）数据。

我想描述的一个要素是参考基因组的区域，我没有来自寄生虫的测序数据。

为了做到这一点，我使用Samtools创建了一个mpileup文件，我从中提取了序列深度为0的位置。因此我有一个看起来像这样的文件：

$chromosome_name $chromosome_position $depth
chr_1 1 0
chr_1 2 0
chr_1 3 0
chr_2 67 0
chr_2 68 0 
chr_2 1099 0
chr_2 1100 0
chr_2 1101 0

这意味着染色体1中有3个位置，没有序列数据（深度= 0）：即位置1,2和3.对于染色体2，没有数据的位置是位置67,68,1099,1100和1101.

由于我的文件很庞大（最多300万行），以及很多未序列位置都是间隔的事实，我想从上面的数据创建一个间隔文件。此外，circos需要这样的间隔文件才能创建图块。因此，我需要从上面创建一个新文件，如下所示：

$chromosome_name $start_pos $end_pos
chr_1 1 3
chr_2 67 68
chr_2 1099 1101

我搜索过一堆，但我只发现了有关按预定间隔对数据进行分组的问题（例如，在6个月内发生的团购，患者按年龄等）。

所以，如果有人可以帮助我，我将非常高兴！西德尔

Answer 1

考虑使用bedtools。特别是bedtools merge子命令：

从这个页面看，它似乎可以做你想要的：

bedtools merge将重叠或“书籍结束”功能结合在一起将间隔文件转换为跨越所有组合的单个特征特征

此外，您可以使用-d选项指定要合并的要素之间的最大距离：

-d允许合并要素的要素之间的最大距离。默认值为0.即，重叠和/或书籍结束功能合并。