dump—HiTC

image.png

我們知道.hic 文件是高度壓縮的二進制文件,便于存儲和分析。那么如果我們想要從.hic提取某一區域的交互信息的話,該如何操作呢?這就涉及到了juicer dump。
https://github.com/aidenlab/juicer/wiki/Data-Extraction
Juicer dump 有以下參數:

Usage:   
juicebox dump <observed/oe> <NONE/VC/VC_SQRT/KR> <hicFile(s)> <chr1>[:x1:x2] <chr2>[:y1:y2] <BP/FRAG> <binsize> [outfile]
         dump <norm/expected> <NONE/VC/VC_SQRT/KR> <hicFile(s)> <chr> <BP/FRAG> <binsize> [outfile]
         dump <loops/domains> <hicFile URL> [outfile]

示例:

juicer_tools dump observed NONE  sam1.chr20.hic   20:32679500:32680500  20 BP 10000  extract_matrix.txt

提取的矩陣主要有三列:(start,end,contacts)
提取矩陣示例:

120000  32680000    1.0
350000  32680000    2.0
370000  32680000    1.0
560000  32680000    1.0
850000  32680000    1.0
980000  32680000    1.0
1190000 32680000    2.0
1270000 32680000    1.0
1300000 32680000    1.0
1800000 32680000    1.0

那么如果我們想要進行可視化的話,可以參照以下代碼轉換成HiTC格式的矩陣:

#! /usr/bin/env python3
import time
import math
import unittest
import re,sys,os
import numpy as np
import pandas as pd
from scipy import sparse
#step 1  juicer 提取矩陣
#start,end 設定
class trans_hic():

    def __init__(self):

        self.hic=""
        self.start=0
        self.end=100000
        self.juicer_tools=""
        self.outdir=""
        self.bin=10000
        self.genome='hg19'
        self.juicer_dump_mat=""
        self.hitc_matrix=""
        self.prefix="sam1"
    
    def extract_matrix(self): 
        chr=self.chr;start=self.start;end=self.end
        chrom=self.chr.replace('chr','')
        juicer_dump_mat="{}/{}_{}_{}_{}_dump.mat".format(self.outdir,self.prefix,chr,start,end)
        self.juicer_dump_mat=juicer_dump_mat
        region="{0}:{1}:{2} {0}:{1}:{2}".format(chrom,str(start),str(end))
        cmd="/opt/juicer/scripts/juicer_tools dump observed NONE {}  {}  BP {} {}".format(self.hic,region,self.bin,juicer_dump_mat)
        print(cmd)
        os.system(cmd)
    
    def reform_matrix(self): 
        #-----------HiTC matrix---------------------
        chr=self.chr;start=self.start;end=self.end;bin=self.bin;genome=self.genome
        self.hitc_matrix="{}/{}_{}_{}_{}_hitc.mat".format(self.outdir,self.prefix,chr,start,end)
        print('juicer dump matrix....')
        print(self.juicer_dump_mat)
        mat=pd.read_table(self.juicer_dump_mat,names=['frag1','frag2','contacts'])
        #print('matrix head.....')
        #print(mat.head())
        min=math.ceil(int(start)/bin)*bin
        max=int(int(end)/bin)*bin
        N=int(end/bin)-math.ceil(start/bin)+1
        #---------------------- add header --------------------------
        inddf=np.arange(N)
        headers_ref=[genome for x in inddf]
        bin_num_df=pd.Series(inddf).apply(lambda x : str(x))
        headers_ref=pd.Series(headers_ref)
        chromdf=pd.Series([chr for x in list(range(N))])
        startdf=pd.Series(inddf*bin+min)
        enddf=pd.Series((inddf+1)*bin+min)
        headers_suf=chromdf.str.cat(startdf.apply(lambda x :str(x)),sep=':')
        headers_suf=headers_suf.str.cat(enddf.apply(lambda x:str(x)),sep="-")
        headers=bin_num_df.str.cat([headers_ref,headers_suf],sep="|")
        headers=list(headers)

        mat['b1']=mat['frag1'].apply(lambda x: (x-min)/bin)
        mat['b2']=mat['frag2'].apply(lambda x: (x-min)/bin)
        counts=sparse.coo_matrix((mat['contacts'],(mat['b1'],mat['b2'])),shape=(N, N),dtype=float).toarray()
        diag_matrix=np.diag(np.diag(counts))
        counts=counts.T + counts
        counts=counts-diag_matrix-diag_matrix
        df=pd.DataFrame(counts)
        df.columns=headers
        df.index=headers
        #print('DataFrame.....')
        #print(df.head())
        df.to_csv(self.hitc_matrix,sep="\t")
        return df

    def z_score_norm(self):
        print('z-score normlizaion ....................')
        df=self.reform_matrix()
        print('befor zscore.......')
        print(df.head())
        dsc = pd.DataFrame(np.ravel(df)).describe(include=[np.number])
        df = (df - dsc.ix['mean',0])/dsc.ix['std',0]
        print('after zscore....')
        print(df.head())
        return df


class Test_trans(unittest.TestCase):
    def test_trans(self):
        trhic=trans_hic()
        trhic.outdir="/Test"
        trhic.hic="sam1.chr1.hic"
        trhic.chr='chr1'
        trhic.start=62932570
        trhic.end=63564575
        trhic.extract_matrix()
        trhic.reform_matrix()


if __name__ == '__main__':
    unittest.main()

來查看一下結果。

image.png
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,412評論 6 532
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,514評論 3 416
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,373評論 0 374
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,975評論 1 312
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,743評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,199評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,262評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,414評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,951評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,780評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,983評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,527評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,218評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,649評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,889評論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,673評論 3 391
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,967評論 2 374

推薦閱讀更多精彩內容