STR to BED：从FASTA到BED，轻松处理短串联重复序列

短串联重复序列（STRs）是一种常见的DNA元件，它们在基因组中以连续重复的形式存在。STRs在遗传标记、疾病关联研究和进化生物学等领域具有重要意义，但处理和分析这些序列数据比较复杂。今天，我要介绍的是一个这方面的工具——STR to BED，它能将FASTA格式的短串联重复序列转换为BED格式的特征文件，便于在基因组浏览器中进行可视化分析。

STR to BED简介

STR to BED是一个基于Galaxy生信云平台（网址：usegalaxy.cn）的工具，它可以将FASTA格式的短串联重复序列转换为BED格式的特征文件，或者生成窗口密度bigwig文件。它所处理的微卫星（Microsatellites）通常被定义为在不间断序列中重复的短 DNA 模式，其模式或基序可以是任何核苷酸的组合，长度通常在 1 到 6 个核苷酸之间。

STR to BED的依赖环境包括Python、pyfastx 、pytrf和ucsc-bedgraphtobigwig。这些软件包协同工作，使得STR to bed能够高效地处理和分析基因组数据。

• • python：作为广泛使用的编程语言，Python在这里负责协调各个模块的运行，提供灵活且强大的数据处理能力。
• • pyfastx： 这个库是一个用于处理 fasta 和 fastq 文件的工具，能够高效地读取和操作序列数据。
• • pytrf：这是一个轻量级的 Python C 扩展，专门用于识别串联重复序列，包括精确和近似的SSR（简单序列重复）。
• • ucsc-bedgraphtobigwig：这个工具将BED图形数据转换为BigWig格式，便于在基因组浏览器中快速加载和可视化。

功能特点

1. 多种选择模式：用户可以根据长度或特定的模式选择要转换的STRs

• • 根据基序长度选择微卫星及相关特征 默认设置是选择所有二聚体基序模式，我们也可以在多选下拉列表中选择 1 到 6 个核苷酸的任意基序长度组合，并为每个选定的基序长度调整报告所需的最小重复次数。这种模式可以生成一个包含每个 STR 作为单独特征的 bed 文件，但由于文件可能非常大，包含在可选窗口大小（默认 128nt）内 STR 碱基总和的 bigwig 文件可能更有用且加载速度更快。
• • 根据基序模式选择特征 通过指定一个基序模式文本字符串（如 CG 或 ATC），或者多个用逗号分隔的基序字符串（如 CG,ATC）来筛选符合条件的特征。同样，这种模式下生成的 bed 文件可能较大，使用 bigwig 文件会更高效。

2. 用 pytrf findstr 选项来选择所有完美的 STR

使用 pytrf findstr 选项来选择所有完美的 STR，并以 csv、tsv 或 gff 输出格式输出。这种方式可以根据 pytrf 的功能，按照特定的规则生成不同格式的输出文件，以满足不同的研究需求。

3. 灵活的重复次数设置

可以为每种选择的模式设置最小重复次数。

4. 输出格式多样

支持BED格式和bigwig格式的输出，满足不同的分析需求。

5. 内置基因组选择

可以选择内置基因组或从当前历史记录中选择任何FASTA文件。

应用场景

• • 遗传标记研究：STRs常用作遗传标记，STR to BED可以帮助研究人员快速识别和标记这些序列。
• • 疾病关联研究：某些STRs与疾病的发生发展密切相关，通过STR to BED可以更好地分析这些序列在不同样本中的分布。
• • 进化生物学：STRs在物种进化中扮演重要角色，STR to BED有助于研究物种间的遗传差异。

总结

STR to BED是一个功能强大的工具，能够帮助研究人员高效地处理和分析短串联重复序列数据。通过将FASTA格式的序列转换为BED或bigwig格式，STR to BED使得这些数据的可视化分析变得更加便捷。无论是在遗传标记研究、疾病关联研究还是进化生物学研究中，STR to BED都是一个不可或缺的工具。