用于处理映射的hi-c数据的cli工具
pairtools的Python项目详细描述
pairtools
用pairtools处理hi-c对
pairtools是一个简单快速的命令行框架，用于处理排序
来自HI-C实验的数据。
pairtools处理对端序列对齐并执行以下操作
操作：
- 在hi-c dna分子的成对末端序列中检测连接（又称hi-c对）。
- 用于下游分析的sort.pairs文件
- 检测、标记并移除PCR/光学复制品
- 生成HI-C数据集的广泛统计信息
- 根据灵活定义的标准选择HI-C对
- 从HI-C对恢复.sam对齐
开始：
- 请看一个快速示例
- 查看详细的文档
数据格式
pairtools生成和操作与
。对
由4D核子体联盟定义的格式。所有
pairtools正确管理文件头并跟踪数据
处理历史。
此外，pairtools定义.pairsam格式，它是.pairs的扩展，包括sam对齐
一个已测序的hi-c分子。.pairsam符合.pairs格式，可以由任何
操作.pairs文件。
安装
要求：
- python 3.x
- python包
cython，numpy和单击 - 命令行实用程序
sort（UNIX版本）、bgzip（随tabix提供）和samtools。如果可用，pairtools可以使用pbgzip和lz4压缩输出。
强烈建议使用condapackage manager安装pairtools及其所有依赖项。要获得它，您可以安装完整的python发行版，也可以只安装独立的conda包管理器。
使用conda，您可以从bioconda频道安装pairtools及其所有依赖项。
$ conda install -c conda-forge -c bioconda pairtools
或者，安装lpairtools并且只有pypi中使用pip的python依赖项：
$ pip install pairtools
快速示例
设置一个新的测试文件夹并下载一个映射到SACCER3基因组的小型HI-C数据集：
$ mkdir /tmp/test-pairtools
$ cd /tmp/test-pairtools
$ wget https://github.com/mirnylab/distiller-test-data/raw/master/bam/MATalpha_R1.bam
此外，我们还需要一个.chromsizes文件，一个用制表符分隔的纯文本表，描述映射期间使用的基因组集合中染色体的名称、大小和顺序：
$ wget https://raw.githubusercontent.com/mirnylab/distiller-test-data/master/genome/sacCer3.reduced.chrom.sizes
使用pairtools parse，我们可以将存储在.sam/.bam格式中的成对末端序列对转换为.pairs，一个用制表符分隔的hi-c连接连接表：
$ pairtools parse -c sacCer3.reduced.chrom.sizes -o MATalpha_R1.pairs.gz --drop-sam MATalpha_R1.bam
检查生成的表格：
$ less MATalpha_R1.pairs.gz
管道
工具
解析：读取bwa生成的.sam文件并形成hi-c对- 通过报告最外面的映射位置和链形成hi-c对 在每个分子的两边；
- 报告未映射/多重映射（不明确的对齐）/嵌合对齐为 染色体"！"，位置0，链"-"；
- 单结扎hi-c产生的染色体排列的识别与修复 一侧有顺序连接的分子；
- 对hi-c分子的两侧进行上三角翻转 使第一侧的排序索引低于第二侧；
- 形成混合pairsam输出，其中每一行包含所有可用数据 对于一个hi-c分子（最外面的映射位置在两边， 读取每个对齐的id、pair type和.sam条目）；
- 将.sam头打印为文件开头的注释行。
排序：排序对文件（染色体的字典顺序， 位置的数字顺序，成对类型的字典顺序。合并：合并排序的.pairs文件- 合并sort.pairs；
- 合并所有输入文件中的.pairs头；
- 检查每个.pairs文件是否映射到相同的参考基因组索引 （通过检查@sq sam报头行的标识）。
选择：根据指定的条件选择对- 根据提供的条件选择pairs条目。可编程的 接口允许对特定的对类型进行任意复杂的查询， 染色体，位置，链，读取ID（包括匹配到 通配符/regexp/list）。
- 可以选择将不匹配的条目打印到单独的文件中。
重复数据消除：从已排序的triu flipped.pairs文件中删除PCR重复数据- 通过找到两边都映射的条目对来删除PCR重复项 到相似的基因组位置（+/-n bp）；
- 可选地将PCR重复项输出到单独的文件中。
- 注意：为了删除所有PCR重复项，输入必须包含*all* 从单个实验复制映射读取对；
maskasdup：将pairsam中的所有对标记为hi-c副本- 将字段对类型更改为dd；
- 更改所有sam对齐的pair_type标记（yt:z:）；
- 为所有sam对齐设置pcr duplicate binary标志（0x400）。
拆分：将.pairsam文件拆分为.pairs和.sam。统计信息：计算.pairs文件的各种统计信息restrict：确定形成hi-c连接的限制片段的范围
贡献
欢迎提出拉取请求。
D＜D使用-e选项以"可编辑"（即开发）模式进行开发、克隆和安装。这样，您还可以随时进行更改。$ git clone https://github.com/mirnylab/pairtools.git
$ cd pairtools
$ pip install -e .
许可证
麻省理工学院< /P>
欢迎加入QQ群-->： 979659372
