bedtools subtract 基因区段取差集

article/2025/9/10 13:47:30

基本概述:

bedtools subtract 通俗的说,得到 A - B 的区段。如果在A中发现了B区段,就把 B 扣除,通过不同的参数,扣除的标准不一样。其中,参数 -A 可以达成 Remove features with any overlap 的效果(第四行)。
在这里插入图片描述


使用方法:

bedtools subtract [OPTIONS] -a <BED/GFF/VCF> -b <BED/GFF/VCF>

或者简写成

subtractBed [OPTIONS] -a <BED/GFF/VCF> -b <BED/GFF/VCF>

参数一览

Option	Description
-f	Minimum overlap required as a fraction of A. Default is 1E-9 (i.e. 1bp).
-F	Minimum overlap required as a fraction of B. Default is 1E-9 (i.e., 1bp).
-r	Require that the fraction of overlap be reciprocal for A and B. In other words, if -f is 0.90 and -r is used, this requires that B overlap at least 90% of A and that A also overlaps at least 90% of B.
-e	Require that the minimum fraction be satisfied for A _OR_ B. In other words, if -e is used with -f 0.90 and -F 0.10 this requires that either 90% of A is covered OR 10% of B is covered. Without -e, both fractions would have to be satisfied.
-s	Force “strandedness”. That is, only report hits in B that overlap A on the same strand. By default, overlaps are reported without respect to strand.
-S	Require different strandedness. That is, only report hits in B that overlap A on the _opposite_ strand. By default, overlaps are reported without respect to strand.
-A	Remove entire feature if any overlap. That is, by default, only subtract the portion of A that overlaps B. Here, if any overlap is found (or -f amount), the entire feature is removed.
-N	Same as -A except when used with -f, the amount is the sum of all features (not any single feature).

默认参数:

$ cat A.bed
chr1  10   20
chr1  100  200$ cat B.bed
chr1  0    30
chr1  180  300$ bedtools subtract -a A.bed -b B.bed
chr1  100  180

A     10 - 20       100 - 200
B 0-30                     180-300
默认状态 A 第一个区段全扣除,第二个区段180之后的序列扣除,最终剩下100-180.

-f 重叠参数

$ cat A.bed
chr1  100  200$ cat B.bed
chr1  180  300$ bedtools subtract -a A.bed -b B.bed -f 0.10
chr1  100  180$ bedtools subtract -a A.bed -b B.bed -f 0.80
chr1  100  200

f 这个参数,如果B的区段覆盖度不满足这个参数,就不被扣除。0.10 扣了,0.80 没扣。

-s 考虑特征(正反链)

$ cat A.bed
chr1  100  200    a1  1   +$ cat B.bed
chr1  80   120    b1  1   +
chr1  180  300    b2  1   -$ bedtools subtract -a A.bed -b B.bed -S
chr1  100  180    a1  1   +

-A Remove features with any overlap:

重点来了,-A 模式下,那么 B 里面包含 A 里 包含一个 1个BP,也是整段删除。“”沾边删” 模式

$ cat A.bed
chr1  100  200$ cat B.bed
chr1  180  300$ bedtools subtract -a A.bed -b B.bed
chr1  100  180$ bedtools subtract -a A.bed -b B.bed -A

http://chatgpt.dhexx.cn/article/CgkFAk7c.shtml

相关文章

cv::subtract

计算两个数组或数组和标量之间的每个元素差。也就是图像的相减操作 opencv documentation的说明&#xff1a; 参数说明&#xff1a; src1:第一个输入数组或标量。 src2:第二个输入数组或标量。 src3:输出数组与输入数组有相同的大小和相同数量的通道。 src4:可选操作掩码;…

opencv之subtract

函数原型 void cv::subtract(InputArray src1, InputArray src2, OutputArray dst, InputArray masknoArray(), int dtype-1) python: dst cv.subtract(src1,src2[,dst[,mask[,dtype]]]) 参数说明 src1:input array or scalar src2:input array or scalar dst:output array…

OpenCV函数subtract()使用心得及需要注意的地方

OpenCV函数subtract()的原型如下&#xff1a; void cv::subtract( InputArray src1,InputArray src2,OutputArray dst,InputArray mask noArray(),int dtype -1 ) 官方文档说明如下&#xff1a; 看了以上文档并结合自己的使用&#xff0c;补充说明以下几点&#xff1a;…

moment系列一:add() 方法和subtract() 方法的使用

在工作中&#xff0c;因为自己去搜博客的时候老是找不到自己想要的答案&#xff0c;甚至一篇博客下来&#xff0c;找了好久都没收获&#xff0c;倍感疲惫&#xff0c;所以这里就废话不多说&#xff0c;直接上内容吧。 moment 中文官网地址&#xff1a;http://momentjs.cn momen…

基于改进EAST算法的文本检测

这段时间阅读研究了EAST算法以及在EAST算法上的改进并完成了复现运用到其他场景中去。 当今社会已进入图像大数据时代&#xff0c;图像数量庞大种类繁多&#xff0c;包含大量的有用知识。从图像中高效、精准、全面地提取文本和地理信息坐标等有用知识这一课题&#xff0c;也成…

自然文本检测主要模型

自然文本检测主要模型 CTPN模型 CTPN是目前流传最广、影响最大的开源文本检测模型&#xff0c;可以检测水平或微斜的文本行。文本行可以被看成一个字符sequence&#xff0c;而不是一般物体检测中单个独立的目标。同一文本行上各个字符图像间可以互为上下文&#xff0c;在训练…

深度学习:多场景多尺度的文本检测

《Fused Text Segmentation Networks for Multi-oriented Scene Text Detection》 用于多场景文本检测的融合文本分割网络。&#xff08;2018.5.7&#xff09; 文章笔记 摘要 - 本文从实例感知语义分割的角度介绍了一种新的面向多向场景文本检测的端到端框架。 我们提出了融…

FOTS:自然场景的文本检测与识别

在这篇文章里&#xff0c;我将分享我实现这篇论文的方法。 问题描述数据集关于数据使用的损失函数准备检测数据准备识别数据训练检测模型和识别模型代码整合显示结果引用 问题描述 我们需要从任何图像(包含文本)检测文本区域&#xff0c;这个图像可以是任何具有不同背景的东…

【文本检测】DBNet

目录 论文正文概述细节整体流程二值化自适应的门限可变形卷积标注损失计算推理 感悟 论文正文 链接&#xff1a;链接&#xff0c;提取码&#xff1a;7fmj 概述 文本检测主流的两个方法就是基于回归的方法和基于分割的方法。 基于回归的方法指的是迁移一些经典的目标检测算法…

openCV实践项目:图片文本检测

上一期我们通过对实验&#xff1a;银行卡卡号识别 加深了对前面所学openCV图像处理的一些理解 openCV实践项目&#xff1a;银行卡卡号识别_老师我作业忘带了的博客-CSDN博客 本次图片文本检测相对于要容易一些&#xff0c;内容如下&#xff1a; 一、流程说明 把一个这样的图片…

TextSnake文本检测

论文《TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes》 (1) 数据集 文章中提到了4个数据集&#xff1a; 1) Total-Text&#xff1b;(新开源曲线文本数据集) 2) SCUT-CTW1500; (新开源曲线文本数据集) 3) ICDAR 2015;(经典数据集) 4) MSRA…

值得一看的文本检测方法

点击上方“小白学视觉”&#xff0c;选择加"星标"或“置顶” 重磅干货&#xff0c;第一时间送达 前 言 目前深度学习方法做文本检测比较普遍&#xff0c;但是也存在一些时候GPU资源不够&#xff0c;这时候就需要一些其他的方法来检测文本信息&#xff0c;本文主要介…

文本检测与识别

基于Advanced_EAST的文本检测算法 Advanced_EAST算法使用全卷积网络结构&#xff0c;输入图像通过全卷积神经网络后直接获得候选文本的位置&#xff0c;再通过非极大值抑制算法&#xff08;Non-Maximum Suppression&#xff0c;NMS&#xff09;获得最后的文本检测结果。 网络…

OCR文本检测模型—EAST

文章目录 一、EAST模型简介二、EAST模型网络结构三、EAST模型效果四、Advanced EAST 典型的文本检测模型一般是会分多个阶段&#xff08;multi-stage&#xff09;进行&#xff0c;在训练时需要把文本检测切割成多个阶段&#xff08;stage&#xff09;来进行学习&#xff0c;这种…

文本检测算法新思路:基于区域重组的文本检测

摘要&#xff1a;文本检测是文本读取识别的第一步&#xff0c;对后续的文本识别有着重大的影响。本文主要介绍基于区域重组的文本检测算法。 本文分享自华为云社区《技术综述十三&#xff1a;弯曲文本检测算法(一&#xff09;》&#xff0c;作者&#xff1a; 我想静静 。 背景…

OCR文本检测模型—CTPN

文章目录 一、CTPN简介二、CTPN检测流程三、小结 一、CTPN简介 一个简单的文字识别流程如下&#xff1a; Step 1. 通过手机、摄像机、扫描仪等设备采集含有待识别字符的图像&#xff0c;作为输入&#xff1b; Step 2. 对图像进行尺寸缩放、明暗调整、去噪等预处理操作&#…

OpenCV实战——文本检测

OpenCV实战——文本检测 tesseract的安装代码实践将图片中的内容识别打印&#xff0c;并绘制边框单词&#xff08;word&#xff09;检测只进行数字识别 tesseract的安装 首先说一下下官网的地址&#xff1a;下载地址 大家根据自己的操作系统&#xff08;是32位还是64位&#…

【文本检测与识别白皮书-3.1】第一节:常用的文本检测与识别方法

点击领取AI产品100元体验金&#xff1a;https://www.textin.com/coupon_redemption/index.htmlhttps://www.textin.com/coupon_redemption/index.html # 3.常用的文本检测与识别方法 ## 3.1文本检测方法 随着深度学习的快速发展&#xff0c;图像分类、目标检测、语义分割以及实…

paddleocr文本检测模型的训练

1、环境的安装和开源项目的下载 首先我个人建议&#xff0c;玩深度学习的话&#xff0c;不管是工作还是学习&#xff0c;最起码要配一个有GPU的电脑。我个人有着血淋淋的教训&#xff0c;我本人是电气工程的一名学生&#xff0c;本科期间一点深度学习和机器学习的基础都没有&am…

文本检测实战:使用OpenCV实现文本检测(EAST 文本检测器)

在本教程中&#xff0c;您将学习如何使用 OpenCV 使用 EAST 文本检测器检测图像中的文本。 EAST 文本检测器要求我们在我们的系统上运行 OpenCV 3.4.2 或 OpenCV 4 。 论文原文&#xff1a;https://arxiv.org/abs/1704.03155 代码地址&#xff1a;https://github.com/argman/…