给你bam文件，你会画插入片段长度分布图吗？

最新推荐文章于 2021-03-07 17:23:06 发布

生信修炼手册

最新推荐文章于 2021-03-07 17:23:06 发布

阅读量5.1k

点赞数 3

欢迎关注”生信修炼手册”!

对于ATAC文库而言，其插入片段的长度分布有着非常典型的规律，示意如下

每200bp会存在一个峰，这个周期性波动反应的是核小体的个数。在ATAC_seq的数据分析中，会对插入片段长度分布进行可视化，观察其是否符合这样的周期性规律，一定程度可以反映文库构建的质量，那么如何在做这样一张分布图呢?

比对之后我们会得到bam文件，画图所需的插入片段长度就需要从bam文件中提取，需要注意，这里的插入片段是文库中adapter之间的插入片段，即fragment，需要和insert size区别开来。

对于单端测序而言，只有bam文件是不够的，需要借助工具来预测fragment length, 这里就不展开了。对于双端测序而言，事情就变得简单了。bam文件的第9列直接存储了fragment length的信息，直接提取之后就可以用来画图，提取的代码如下

samtools  view input.bam | \
awk -F'\t' 'function abs(x){return ((x < 0.0) ? -x : x)} {print $1"\t"abs($9)}' | \
sort | uniq | cut -f2 > fragment.length.txt

bam文件中每一行以reads为单位，这里去重是为了避免来自同一个fragemnts的reads重复统计。提取好之后，用R画图就可以了，R代码如下

data <- read.table("fragment.length.txt", header = F)
# 设置插入片段长度的阈值，过滤掉太长的片段
length_cutoff <- 1200
fragment <- data$V1[data$V1 <= length_cutoff]
# 利用直方图统计频数分布，设置柱子个数
breaks_num <- 500
res <- hist(fragment, breaks = breaks_num, plot = FALSE)
# 添加坐标原点
plot(x = c(0, res$breaks),
     y = c(0, 0, res$counts) / 10^2,
     type = "l", col = "red",
     xlab = "Fragment length(bp)",
     ylab = expression(Normalized ~ read ~ density ~ 10^2),
     main = "Sample Fragment sizes")

输出结果示意如下