BEDフォーマットはゲノム上のポジションを示すのに使われているフォーマットで、遺伝子や結合部位などを示すのに広く使われています。
元々はUCSC Genome Browserで使われていたフォーマットですが、最近は様々な解析ソフトウェアでも読み書きできるようです。
BEDフォーマットは最大12列からなるフォーマットで、最初の3列が必須です。
後半は使わないことも多いのですが、知っていると、UCSC Genome Browserにカスタムトラックを作る際に便利です。
今日はBEDフォーマットについて詳しく解説したいと思います。
(1)chrom：染色体名（chr1など）
(2)chromStart：スタート位置（数値）
0スタート（染色体の左端を0と数える）である点にご注意ください。
他のフォーマット（例えばVCF）には1スタートのものもあります。
フォーマット間の変換の際は気を付けましょう。
(3)chromEnd：エンド位置（数値）
---↑この3列は必須。この3列だけのものをbed3と呼びます。
bed3の例：chr1 0 100
＝染色体chr1の先頭から100bpの領域を指す
項目間はタブかスペースで区切ります。
(4)name：名前（文字列）
遺伝子名や任意の文字列を指定します。特に必要ない場合は空文字列を入れます。
(5)score：スコア（0-1000の間の数値）
遺伝子らしさ（新規遺伝子候補の場合など）や類似度（比較ゲノムの場合など）など、0-1000間の数値を何でも入れることができます。特に必要ない場合は一律で0などを入れます。
UCSC Genome Browserでは、スコアに応じて濃淡をつけることができます。その場合、BEDファイルの先頭に次の1行を記載します（nameやdescriptionは適当な文字列に変更してください）。
track name=myTrack1 description="myTrack1 score" useScore=1
(6)strand：ストランド（+ または -）
ゲノム配列に対して5'→3'の向きなら+、3'→5'の向きなら-です。
---↑(1)-(6)まであるものをbed6と呼びます。
bed6の例：chr1 1000 2000 foo 100 -
＝染色体chr1の1000塩基目から2000塩基目にゲノムと逆向きである、スコア100の「foo」という領域を指す
(7)thickStart：CDSの開始位置（数値）
(8)thickEnd：CDSの終了位置（数値）
UCSC Genome Browser上で、(7)-(8)の領域は太い線で表示されます。数値的に(2)<=(7)<(8)<=(3)になっていないと怒られます。
元々はCDS用の列ですが、遺伝子以外のデータの場合で、部分領域を強調するのに使えます。
(9)itemRgb：色をRGBで指定（数値,数値,数値）
これは完全にUCSC Genome Browserで表示するためだけの情報なので、他のソフトウェアで開く場合には関係ないことが多いです。使わない場合は0などを入れておきます。
例えば赤で表示したい場合はここを「255,0,0」とし、BEDの先頭にTrack行をつけ、itemRgb Onと指定します。
track name=myTrack1 description="myTrack1 with color" itemRgb="On"
(10)blockCount：エキソンのブロック数（数値）
(11)blockSizes：ブロックサイズ（数値をコンマ区切りで）
(12)blockStarts：エキソンの「転写開始位置からみた」スタート位置（数値をコンマ区切りで）
---↑(1)-(12)まであるものをbed12と呼びます。
bed12の例：chr1 100 300 bar 0 + 110 220 0 2 30,60, 10,60,
＝転写領域が「chr1:100-300」、1つ目のエキソンが「chr1:110-140」、2つ目のエキソンが「chr1:160-220」である遺伝子「bar」を示す
以上、ちょっと細かいBEDフォーマットのお話でした。
itemRgbやスコアによる濃淡を使うと、カラフルなトラックを使うことができますよ！
【参考】UCSC Genome BrowserのHelp
アメリエフでは、バイオデータ解析やそのシステム・インフラ環境の開発に興味のあるエンジニア・リーダー候補を募集しています。
www.wantedly.com
