加载中…获得重复区域repeat(SINE\LINE)等区域的bed文件
(2014-11-28 13:29:07)| 分类： 生物信息学 |
最近在处理甲基化的数据，需要对人类重复区域的甲基化进行统计，目前UCSC上重复区域的注释文件是由repeatmask程序处理的。关于重复区域呢，目前又可以分为以下10类：
解压后运行：
具体参见：http://genome.ucsc.edu/cgi-bin/hgTables
- Short interspersed nuclear elements (SINE), which include ALUs
- Long interspersed nuclear elements (LINE)
- Long terminal repeat elements (LTR), which include retroposons
- DNA repeat elements (DNA)
- Simple repeats (micro-satellites)
- Low complexity repeats
- Satellite repeats
- RNA repeats (including RNA, tRNA, rRNA, snRNA, scRNA, srpRNA)
- Other repeats, which includes class RC (Rolling Circle)
- Unknown
参见的一篇发表在Genome Research上的文章，主要选择的统计区域为：SINE、LINE、LTR、DNA、Simple
repeats、Low
complexity repeats与Satellite
repeats等7类。得到以上的7类bed文件，具体操作如下：
下载文件：rmsk.txt.gz （27-Apr-2009
14:55 137M）
文件链接：http://hgdownload.soe.ucsc.edu/goldenPath/hg19/database/
grep LINE rmsk.txt | awk -F"\t" '{print $6,$7,$8,$10}' |sed 's/ /\t/g'>LINE.bed
grep Simple_repeat rmsk.txt |awk
grep SINE rmsk.txt |awk
grep LTR rmsk.txt |awk
grep DNA rmsk.txt |awk
grep Satellite rmsk.txt |awk
grep Low_complexity rmsk.txt |awk
################
输出结果：
第一列为染色体信息
第二列为起点
第三列为重点
第四列为标注的正负链
第五列为分类名称
＝＝＝＝＝＝＝＝＝＝
当然可以根据你的需求定义顺序。
喜欢
0
赠金笔