阿狗工具

dbNSFP数据库收录了PhyloP值的数据，并且是tsv格式的，为了对一下数据库，就去官网找了相关的数据，但是看了一圈并没有现成的tsv。看了一圈资料也没看出怎么得出dbNSFP里面的phyloP这个唯一值怎么来的。后面尝试了很多，才发现原来如此简单：就是把官网上的bw文件转成 bedGraph文件即可，但是这个做法会把7.9G的数据拓展至50G左右，转换数据需慎重。

1、工具准备及其用法

• 下载ucsc上的工具bigWigToBedGraph（转换bigwig到bedGraph format）
• 下载bigWigToWig（非必需）

#bigWigToBedGraph
wget https://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64.v369/bigWigToBedGraph
#用法
   bigWigToBedGraph in.bigWig out.bedGraph
#其他参数
   -chrom=chr1 - if set restrict output to given chromosome
   -start=N - if set, restrict output to only that over start
   -end=N - if set, restict output to only that under end
   -udcDir=/dir/to/cache - place to put cache for remote bigBed/bigWigs

#bigWigToWig
wget https://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64.v369/bigWigToWig
#用法
bigWigToWig in.bigWig out.wig
#其他参数
   -chrom=chr1 - if set restrict output to given chromosome
   -start=N - if set, restrict output to only that over start
   -end=N - if set, restict output to only that under end
   -udcDir=/dir/to/cache - place to put cache for remote bigBed/bigWigs

2、phyloP的数据格式

• phyloP30way.bw的数据是二进制格式的，用一般的less是没办法查看的，可以 转换成Wigfile查看一下里面的数据结构，下面仅为示例数据。

1.根据示例数据发现，每个fixedStep下面都跟着一系列的数值，

fixedStep chrom=chr1 start=15002 step=1
1.451
1.561
1.671
1.618
1.564
1.51
1.456
...
fixedStep chrom=chr1 start=16003 step=1
1.451
1.561
1.671
1.618
1.564
1.51
1.456
...

2. 转换后的BedGraph文件

• 仅展示头几行，该文件有四列信息，分别是染色体名字、起始位点、终止位点和phyloP的值

chr1    10700   10701   0.088
chr1    10701   10702   0.079
chr1    10702   10703   0.088
chr1    10703   10704   0.079

3. 验证一下dbNSFP里面的数据

• dbNSFP的数据是从位点65565开始的，那我们找一下刚转换好格式的数据是否含有一致的位点以及相同的phyloP值（如代码框所示），值确实是一样的。

CHROM POS phyloP30way_mammalian
1 65565 1.152000
#查找hg38.phyloP30way.bedGraph|
grep '65565' hg38.phyloP30way.out.bedGraph|head -1
chr1    65564   65565   1.152

4、总结

• 简单来说只要去官网下载提供的XXX.bw，用bigWigTobedGraph工具转换就能得到每个位点的phyloP值了。(PS下面这个流程图也是压榨chatGPT帮我画的)

  
  
  

  数据转换图

题外话chatGPT真好用，苦于没有数据展示数据的时候想到它了（问就是存储少），放心数据结构我检查过是一样的。

chatGPT提问

参考及数据来源
PhyloP30way
官方工具说明文档