如何使用python Genome Tracks可视化hi-c数据

这篇文章主要介绍"如何使用python Genome Tracks可视化hi-c数据"，在日常操作中，相信很多人在如何使用python Genome Tracks可视化hi-c数据问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"如何使用python Genome Tracks可视化hi-c数据"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

可视化是数据分析中非常重要的一个环节，对于NGS分析数据的可视化，最常用的就是各种基因组浏览器了，既有UCSC, GBrowse等基于web的基因组浏览器，也有igvtools等本地化的图形界面软件。对于Hi-C数据，在前面的文章中也介绍过基于web的WashU Epigenome Browser基因组浏览器和本地化的juicebox软件。

熟练掌握其中一个软件的用法就可以满足大部分的需求了，但是作为一个生信分析的极客，总感觉还是需要一款命令行工具来提高效率。python和R都拥有非常强大的可视化能力，今天介绍一款基于python语言的软件pyGenomeTracks, 一款原汁原味的命令行工具，拥有和基因组浏览器相同的展现形式，网址如下

https://github.com/deeptools/pyGenomeTracks

该软件支持可视化以下几种信息

1. bigwig

2. bed

3. bedgraph

4. links

5. Hi-C matrices

   
   

采用该软件可视化的效果图如下

和基因组浏览器一样的展现形式，每一层为一个track。该软件采用配置文件的形式来配置需要展示的文件信息，每个需要展示的文件和对应的参数都写在一个标签下，具体写法如下

1. bigwig

2. bedgraph

3. hic

除此之后，还有x-axis和spacer等标签，分别对应x轴和两个tracks之间的空格区域。下方如下

[spacer]
[x-axis]
where = top

编辑好配置文件之后，就可以运行了，用法如下

pyGenomeTracks \
--tracks tracks.ini \
--region chr2:10,000,000-11,000,000 \
--outFileName output.pdf

tracks参数指定配置文件的名称，region参数指定需要可视化的基因组区域，outFileName参数指定输出文件的名称。为了达到美观的效果，有许多的参数需要调整，更多细节请参考官方文档和示例。

一个hi-c数据可视化的效果图如下

通过该软件，可以高效的展示hi-c数据。

到此，关于"如何使用python Genome Tracks可视化hi-c数据"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！