Archivos de datos
Los archivos de entrada para circos son archivos de texto plano que contienen la información a visualizar. Tanto los datos de cromosomas, como las representaciones (<plot>), las relaciones (<link>) y las resaltaciones (<highlight>) requieren archivos externos como fuente de información.
Dependiendo del tipo de datos que se deseeen mostrar, los archivos de entrada pueden presentar variaciones en su formato.
1 Formato de arcihvos
1.1 KARYOTYPE —— Aplicaciones biológicas
El archivo karyotype se utiliza para definir los cromosomas que aparecerán en el gráfico. Por defecto, todos los cromosomas definidos serán dibujados.
Cada cromosoma necesita especificar su nombre, etiqueta, posición de inicio, posición de fin y color.
A continuación se muestra un ejemplo utilizando el genoma humano:
#
chr - hs1 1 0 249250621 chr1
chr - hs2 2 0 243199373 chr2
chr - hs3 3 0 198022430 chr3
...
El sistema circos utiliza un prefijo especial para los nombres de cromosomas, diferente del prefijo habitual chr. Sin embargo, para los colores sí se emplea el prefijo chr, ya que los colores no requieren diferenciación entre especies.
El archivo karyotype puede incluir opcionalmente las bandas genéticas de cada cromosoma:
band hs1 p36.33 p36.33 0 2300000 gneg
band hs1 p36.32 p36.32 2300000 5400000 gpos25
band hs1 p36.31 p36.31 5400000 7200000 gneg
...
En el directorio data/karyotype se encuentran los archivos de referencia para genomas frecuentemente utilizados:
(base) ➜ ls circos-0.69-9/data/karyotype
README karyotype.human.hg18.txt
assembly karyotype.human.hg19.txt
chromosome.band.hg19.txt karyotype.human.hg38.txt
chromosome.band.hg38.txt karyotype.human.txt
dm6.hires.txt karyotype.mouse.mm10.txt
dm6.lowres.txt karyotype.mouse.mm9.txt
karyotype.arabidopsis.tair10.txt karyotype.mouse.txt
karyotype.arabidopsis.txt karyotype.oryzasativa.txt
karyotype.chimp.pt4.txt karyotype.rat.rn4.txt
karyotype.chimp.txt karyotype.rat.txt
karyotype.drosophila.dm6.hires.txt karyotype.rm.3.txt
karyotype.drosophila.dm6.lowres.txt karyotype.rm.txt
karyotype.drosophila.hires.dm3.txt karyotype.sorghum.txt
karyotype.drosophila.lowres.dm3.txt karyotype.yeast.txt
karyotype.drosophila.txt karyotype.zeamays.txt
karyotype.human.hg16.txt parse.karyotype
karyotype.human.hg17.txt
1.2 KARYOTYPE —— Aplicaciones generales
Cuando los datos no están basados en cromosomas, el archivo karyotype permite definir cualquier ejeaxis arbitrario para representar la información deseada.
Como ejemplo, se pueden definir 3 segmentos con tamaños de 800, 1200 y 1800 unidades,命名为 ejeA, ejeB y ejeC:
chr - ejeA 1 0 800 negro
chr - ejeB 1 0 1200 azul
chr - ejeC 1 0 1800 verde
1.3 Gráficos de líneas, dispersión, histograma y mapa de calor
Los gráficos de líneas, dispersión, histograma y mapa de calor utilizan datos bidimensionales, consistentes en valores asociados a posiciones genómicas:
#cromosoma inicio fin valor [opciones]
cr5 50 75 0.75
1.4 tile
El formato tile representa intervalos en un mismo cromosoma, útil para mostrar información de cobertura como lecturas (reads) o clones:
#cromosoma inicio fin [opciones]
cr5 50 75
1.6 text
Este formato permite mostrar texto asociado a posiciones genómicas, como etiquetas o anotaciones:
#cromosoma inicio fin etiqueta [opciones]
cr5 50 75 EJEMPLO
Para mostrar múltiples palabras, se utiliza tab como separador.
1.6 links
Las relaciones entre diferentes regiones, ya sea en el mismo cromosoma o en cromosomas distintos, pueden representarse mediante líneas o bandas curvas:
# cr1 inic1 fin1 cr2 inic2 fin2 [opciones]
cr1 200 300 cr10 1100 1300
cr7 50 150 cr 5000 6000 color=azul
Las herramientas binlinks, bundlelinks y filterlinks permiten manipular y analizar archivos de enlaces.
2 Opciones de configuración
Cualquier opción de formato específica para un punto de datos, definida dentro de los bloques <plot>, <link> o <highlight>, como forma, tamaño o color, se especifica mediante el campo de opciones en el archivo de entrada.
En los ejemplos anteriores, el parámetro [opciones] se configura mediante una cadena de pares clave-valor separados por comas:
cromosoma inicio fin var1=valor1,var2=valor2,...
Para valores que se解析an como listas, como los valores RGB, se utilizan paréntesis () o corchetes [] como separadores:
cromosoma inicio fin color=(R,G,B)
Opciones con y sin valores de datos
Cuando el archivo de entrada contiene valores asociados a posiciones genómicas, el campo de opciones se ubica en la quinta columna:
cromosoma inicio fin valor opciones
Cuando no hay valores, el campo de opciones ocupa la cuarta columna:
cromosoma inicio fin opciones
Si se utiliza un archivo con valores donde se espera uno sin valores, se producirá un error al intentar解析ar la columna de opciones:
Error parsing data point options. Saw parameter assignment [0.75] but expected it to be in the format x=y.
3 Delimitadores de archivos
De manera predeterminada, los archivos utilizan espacios en blanco como delimitadores. Para modificar este comportamiento, se debe definir el parámetro file_delim en el archivo de configuración.
Se recomienda incluir este parámetro en el archivo etc/housekeeping.conf:
# etc/housekeeping.conf
file_delim = \t
Para establecer etiquetas de texto con múltiples palabras, es necesario configurar el delimitador como tab, lo cual se aplicará a todos los archivos de entrada (tantos archivos de datos como archivos de cariotipo).
4 Ubicación de archivos
Si se especifica una ruta absoluta para un archivo particular, circos no buscará en otras ubicaciones:
file = /ruta/al/archivo.txt
Si el archivo en la ruta especificada no existe, se generará un error.
Cuando se utiliza una ruta relativa:
file = datos/archivo.txt
circos realizará la búsqueda en el siguiente orden de directorios:
- Todos los directorios especificados en
data_path CWD/CWD/etcCWD/dataCWD/../CWD/../etcCWD/../dataCWD/../..CWD/../../etcCWD/../../data
Donde CWD representa el directorio de trabajo actual. Se recomienda utilizar rutas relativas para mejorar la portabilidad.
Es conveniente organizar los archivos de datos en una carpeta independiente (por ejemplo, datos/), separados de los archivos de configuración.