过滤床文件中的重叠条目答案

【问题标题】：Filter overlapping entries in bed file过滤床文件中的重叠条目
【发布时间】：2020-10-02 23:09:35
【问题描述】：

我有一个看起来像这样的床文件：

1   183113  183114  chr1:183113-183240  0   +
1   187286  187287  chr1:187128-187287  0   -
1   187576  187587  chr1:187375-187577  0   -
1   187580  187590  chr1:187379-187577  0   -

我的目标是只提取那些条目不与任何其他条目重叠的行。根据doc，我一直在尝试bedtools merge。我想使用特定的标志来计算构成每个“合并”片段的条目，然后只保留值为“1”的条目，但问题来了：我不知道如何保留有关链的信息，分数（这应该始终为 0）和名称（这可能是从前 3 列重建的）。有谁知道如何将这些东西放在一起？

输出应该看起来与输入（上方）完全一样，但只有这些行不与其他任何内容重叠。

1   183113  183114  chr1:183113-183240  0   +
1   187286  187287  chr1:187128-187287  0   -

【问题讨论】：

请提供所需输出的样本。
@agc : 编辑后的输出格式相同
澄清：请附上不完全相同的所需输入和输出的样本。它们可以具有相同的格式，但不能具有完全相同的数据。
我认为你需要来自GenomicRanges package的reduce。
这可以工作吗（使用正确的选项）：bedtools merge，然后在结果上bedtools complement，然后在原始的bedtools intersect 上加上合并的补充？

标签： bash shell bioinformatics bed bedtools

【解决方案1】：

好的，我解决了这个问题：

1) 计算原始输入中的重叠数

bedtools merge -i IN.bed -c 1 -o count > counted

2) 只过滤掉那些不与任何东西重叠的行

awk '/\t1$/{print}' counted > filtered

3) 将其与原始输入相交，并仅保留过滤后找到的那些原始行

bedtools intersect -a IN.bed -b filtered -wa > OUT.bed

【讨论】：