基因组之全局互作热图可视化

简介: 基因组之全局互作热图可视化

引言

PlotHiC 是一个专为 Hi-C 数据可视化分析而设计的 Python 包。Hi-C 技术是一种能够检测染色体三维结构的实验方法,它能揭示 DNA 在细胞核内的三维组织结构。为了更好地展示和解释这些复杂的数据,PlotHiC 可以帮助用户方便地绘制Hi-C 数据的热图。

  • 优势

    • 仅使用.hic文件,无需merged_nodups.txt,仅5秒即可出图
    • 可自定义染色体名称
    • 无需assembly文件
  • 更新

安装

需要提前安装好 python>3.10

# pip install 
pip install plothic

使用

输入文件

  1. .hic : 该文件来自3d-dna,您需要选择最终的hic文件(已进行错误调整并确定染色体边界)。
  2. chr.txt : 该文件用于在热图标记染色体的边界线和名称。第一列是染色体的名称,第二列是染色体的长度(这个长度是Juicebox中hi件的长度,可以从Juicebox手动确定)。
# name length
Chr1 24800000
Chr2 44380000
Chr3 63338000
Chr4 81187000
Chr5 97650000

示例

plothic -hic test.hic -chr chr.txt -r 100000

# -hic > .hic file 
# -chr > chromosome length (in .hic file)
# -r > resolution to visualization
  • 输出结果

相关文章
XP-CLR分析笔记丨检测不同种群之间由于选择引起的差异信息,群体遗传学经典方法
XP-CLR分析笔记丨检测不同种群之间由于选择引起的差异信息,群体遗传学经典方法
|
数据可视化
HiCBricks|Hi-C 数据可视化与注释
HiCBricks|Hi-C 数据可视化与注释
HiCBricks|Hi-C 数据可视化与注释
|
数据采集 数据挖掘 索引
HiChIP 数据分析: 用HiC-Pro预处理原始数据
HiChIP 数据分析: 用HiC-Pro预处理原始数据
|
11月前
|
存储 SQL 机器学习/深度学习
sentieon | 泛基因组分析流程详解
泛基因组:指的是一个物种所有个体中全部基因的集合。它不再依赖于单个参考基因组,而是承认没有任何一个个体能够拥有其物种的全部基因。
921 1
|
存储 编解码 数据可视化
Hi-C 数据的可视化与注释
Hi-C 数据的可视化与注释
Hi-C 数据的可视化与注释
|
编解码 数据可视化 Java
三维基因组: TAD差异分析-HiCCUPS (2)
三维基因组: TAD差异分析-HiCCUPS (2)
1341 17
三维基因组: TAD差异分析-HiCCUPS (2)
|
数据可视化 数据处理
CUT&Tag 数据处理和分析教程(8)
CUT&Tag 数据处理和分析教程(8)
1438 12
|
存储 索引 Python
生信教程:使用全基因组SNP数据进行ABBA-BABA分析
生信教程:使用全基因组SNP数据进行ABBA-BABA分析
1022 0
基因组组装:Hifiasm 使用教程
基因组组装:Hifiasm 使用教程
2135 1
|
数据可视化 数据挖掘 Go
GOplot|宝藏R包,拯救你的GO富集结果,杜绝平庸的条形图
`GOplot`是R中的一个宝藏包,用于GO富集分析的创新可视化。它提供多种图表类型,如GOBar、GOBubble、GOCircle、GOChord、GOHeat和GOCluster,以及GOVenn。通过调整参数,用户可自定义颜色、大小和排序。例如,GOBar和GOBubble展示富集条形和气泡,GOCircle以环形图表示,GOChord描绘基因和过程间关系,而GOHeat和GOCluster提供热图和聚类视图。此外,还有GOVenn用于绘制Venn图。包简化了数据准备和绘图过程,适合快速高效地展示复杂分析结果。别忘了引用创始人Walter等人的工作。
2289 1

热门文章

最新文章