超级增强子系列10: bedtools筛选Lost/Gained超级增强子

前言

在进行不同组别超级增强子区域的比较，通常会进行交集分析，并根据结果将超级增强子分为Maintained (维持，交集部分），Lost(在实验组丢失），Lost(在实验组获得）这三种类型。用bedtools intersect 语法即可完成。如下图所示。

代码如下：

1.Maintained SE的分析。

bedtools intersect  -a KO_SE.bed -b WT_SE.bed -wa -wb >KO_overlap_WT_SE.bed

上述代码来实现两组之间SE交集部分具体情况。

bedtools intersect -a KO_SE.bed -b WT_SE.bed -wa >KO_overlap_WT_SE.bed
bedtools intersect -a WT_SE.bed -b WT_SE.bed -wa >WT_overlap_KO_SE.bed

这两个代码是输出KO、WT组每组的Miantained SE的文件

2. Gained SE的分析。（以实验组的视角，Gained就是在实验组特有的吗，在对照组没有）

bedtools intersect  -a   KO_SE.bed -b WT_SE.bed -v > KO_gained_SE.bed

3.Lost SE的分析。（以实验组的视角，Lost就是在对照组存在，实验组丢失）

bedtools intersect -a WT_SE.bed -b KO_SE.bed -v > KO_lost_SE.bed

4.查看不同类型SE的数量

在linux服务器中。用wc -l *SE.bed 查看每一个文件的行数即可知道SE的数量。

5.最后在绘制软件中绘制两个大小相同的圆形，部分重叠。然后将不同类型的SE数量标记在图形内。

🔬 科研不止于工具，更在于思路。选择正确的工具，才能让数据说话。

【超级增强子系列文章】

超级增强子系列1：super enhancer鉴定-ROSE软件的安装与使用

超级增强子系列2：ROSE准备gff文件：peak 信息文件转化为9列gff格式文件R代码

超级增强子系列3：R语言批量处理ROSE文件生成SE与TE.bed文件

超级增强子系列4： 用bedtools来进行共识SE的分析

超级增强子系列5：用ChIPseeker进行超级增强子基因注释

超级增强子系列6：GREAT-基因组调控元件专业注释富集工具

超级增强子系列7: 用MEME进行超级增强子转录因子motif 富集分析实战

超级增强子系列8: motif 富集分析工具XSTREME输出文件解释

超级增强子系列9: ggseqlogo进行Motif文件可视化

如果你觉得这篇博文对你有帮助，请点赞、收藏、转发！支持我们持续输出优质内容！

关注“三兔测序学社”，获取更多实用教程与前沿解读。