仅作个人笔记 - 基于fithic的输出结果统计染色体体间显著互作的密度

0.仅作个人笔记使用
意思就是只考虑我能不能看懂

fithic的安装、使用这里略去
假定已经运行完了fithic

输入文件长这样:

六列, 两部分; 表示显著互作的两个区间

#Start
awk '{if($1!=$4)print}' XX.10k.fithic.chr.bed > XX.10k.fithic.tijian.bed
#处理输入文件
#得到 染色体体间互作的信息

cut -f1,2,3 XX.10k.fithic.tijian.bed > tmp1
cut -f4,5,6 XX.10k.fithic.tijian.bed > tmp2
cat tmp1 tmp2 | bedtools sort -i - | uniq -c > tmp3
awk '{print $2"\t"$3"\t"$4"\t"$1}' tmp3 > XX.10k.fithic.tijian.density

#X.10k.fithic.tijian.density
#最后的输出文件, 这个文件后文还会用到

rm tmp1 tmp2 tmp3
#删除中间文件

输出文件:

结果文件长这样

最后画一个核型图
核型图的绘制参考: https://blog.csdn.net/u013429737/article/details/116121440

最终结果

2.上述这个图不能满足我的需要, 我应该是需要meta-plot的样式:
ref: https://doi.org/10.1038/s41467-021-27091-0

文章的Fig. S16

#Start
#获取基因组每条染色体的长度
bioawk -c fastx '{print $name,length($seq)}' XX.Chr.fa > XX.length

#拿到每个显著互作在染色体上的相对位置
#相对位置是这样定义的:
#该显著互作所在的位置占整条染色体长度的比例
#比如互作位于染色体的末端, 其位置也就是染色体长度, 相对位置也就是1
python Find_A_in_B.v2.py XX.10k.fithic.tijian.density XX.length | awk '{print $4/$2"\t"$5/$2"\t"$6}' > tmp1
#脚本见教程最后

#此时tmp1的前两列就是相对位置, 为了更标准化, 我们保留两位小数或者三位小数
#awk '{for(i = 1; i <= NF; i++) {printf("%.2f\t", $i)} {printf("\n")}}' tmp1 > tmp2 #保留两位小数
#awk '{for(i = 1; i <= NF; i++) {printf("%.3f\t", $i)} {printf("\n")}}' tmp1 > tmp2 #保留三位小数
#上述命令行作废，因为保留小数的同时它还做了四舍五入

awk '{printf "%.3f %.3f %.3f\n", int($1*1000)/1000, int($2*1000)/1000, int($3*1000)/1000}' tmp1 > tmp2
#awk中的1000就是保留三位小数的意思
awk '{print $1"\t"$1+0.001"\t"$3}' tmp2 > tmp3

rm tmp1 tmp2
#获取bed文件

tmp3的文件内容此时是这样的, 前两列是相对位置, 第三列

#续上文
#去重并累加
awk -F "\t" '{sum[$1"\t"$2]+=$3}END{for(c in sum){print c,sum[c]}}' tmp3  | sort -Vk 1 > tmp4
#一定要排序

#awk '{print $2-$1}' tmp4 | sort -u
#如果只输出一个数字0.01, 就表明没问题
awk '{print $3}' tmp4 | tr "\n" "," > XX.meta.tijian.plot.csv

rm tmp3 tmp4

#接下来是R里面的代码
library(pheatmap)
a = read.csv("XX.meta.tijian.plot.csv", header = F)

#标准化
b = t(a)
a = t(scale(b))
r
pheatmap(a, cluster_rows = F, cluster_cols = F)

最后画出来就是这样, 明显都是染色体两端多

但这里有一个问题:

去重并累加
awk -F "\t" '{sum[2]+=$3}END{for(c in sum){print c,sum[c]}}' tmp3 | sort -Vk 1 > tmp4
一定要排序

累加可能不合理, 作为metaplot, 或许是每条染色体求均值, 这里先埋下伏笔
后面再改

3.前文所述问题无法解决, 所以想了想把1.中所述改一下
还是画1.里面的图，不过不用真实的坐标和长度，全部改成染色体的相对长度
代码就是2.所示，不过加个for循环

#Start
#获取基因组每条染色体的长度
bioawk -c fastx '{print $name,length($seq)}' XX.Chr.fa > XX.length

python Find_A_in_B.v2.py galili.10k.fithic.tijian.density galili.length > tmp1

for i in {0..999} 
do
echo $i >> tmp
done
awk '{print $1/1000}' tmp | awk '{printf "%.3f\n", int($1*1000)/1000}' > mode
rm tmp

for i in {1..26}
do
grep -w "Chr${i}" tmp1 | awk '{print $4/$2"\t"$5/$2"\t"$6}' > Chr${i}.tmp2
awk '{printf "%.3f %.3f %.3f\n", int($1*1000)/1000, int($2*1000)/1000, int($3*1000)/1000}' Chr${i}.tmp2 > Chr${i}.tmp3
awk '{print $1"\t"$1+0.001"\t"$3}' Chr${i}.tmp3 > Chr${i}.tmp4
awk -F "\t" '{sum[$1"\t"$2]+=$3}END{for(c in sum){print c,sum[c]}}' Chr${i}.tmp4  | sort -Vk 1 > Chr${i}.tmp5
python fill.gap.py Chr${i}.tmp5 mode | awk '{print $4}'  | sed "1i Chr${i}" | tr "\n" "," | sed 's/,$/\n/'  >> XX.tijian.everyChr.plot.csv
done

rm *tmp*


#画图 - 下面是R的代码
library(pheatmap)
a = read.csv("XX.tijian.everyChr.plot.csv", header = F)

pheatmap(a, cluster_rows = F, cluster_cols = F)

画出来如图所示

#Find_A_in_B.v2.py
import sys

list1 = {}
with open(sys.argv[1], 'r') as f:
    for line in f:
        line = line.strip()
        content = line.split('\t')
        name = content[0]
        if name in list1:
            list1[name].append(line)
        else:
            list1[name] = [line]

with open(sys.argv[2], 'r') as f:
    for line in f:
        line = line.strip()
        content1 = line.split('\t')
        name1 = content1[0]

        if name1 in list1:
            for match in list1[name1]:
                print(line + '\t' + match)

#fill.gap.py
import sys

list1 = {}
with open(sys.argv[1], 'r') as f:
    for line in f:
        line = line.strip()
        content = line.split('\t')
        name = content[0]
        if name in list1:
            list1[name].append(line)
        else:
            list1[name] = [line]

with open(sys.argv[2], 'r') as f:
    for line in f:
        line = line.strip()
        content1 = line.split('\t')
        name1 = content1[0]
        if name1 in list1:
            for match in list1[name1]:
                print(line + '\t' + match)
        else:
            print(line + '\t' + line + '\t' + line + '\t' + "0")