如何与 python/pandas 交叉和合并文件以根据原始输入文件将重叠划分为子区域？

Question

我有一些来自不同公司的提供外显子组测序试剂盒的.bed 文件。

我想要一个总结所有这些套件的所有目标区域的文件。 .bed 文件具有由三列（chr#、Start、End）组成的基本结构。

我想获得一张 output 表，该表显示哪些基因组区域仅由这些套件之一覆盖，哪些区域被多个（以及哪些）覆盖。 说明这一点的最好方法是通过一个例子：

床文件 1

字符#	开始	结尾
1	100	300

床文件 2

字符#	开始	结尾
1	150	350

床文件 3

字符#	开始	结尾
1	80	200

从这些文件中，我创建了一个包含所有目标区域的 dataframe，并按chr#和Start坐标对其进行排序。 这是生成的 dataframe 的样子：

我想合并和交叉 output 的文件，该文件根据输入文件之间的重叠将区域划分为子区域。 它应该看起来像这样：

字符#	开始	结尾	套件 1	套件 2	套件 3
1	80	100	0	0	1
1	100	150	1	0	1
1	150	200	1	1	1
1	200	300	1	1	0
1	300	350	0	1	0

我知道 Bioconductor 的 Granges 上可能有这样的 function，但我不熟悉该库及其功能。

任何帮助，将不胜感激。

Answer 1

更新

从bedtools使用multiIntersectBed

$ multiIntersectBed -i *.bed
1   80  100 1   3       0   0   1
1   100 150 2   1,3     1   0   1
1   150 200 3   1,2,3   1   1   1
1   200 300 2   1,2     1   1   0
1   300 350 1   2       0   1   0

还有一个 Python 接口：

http://daler.github.io/pybedtools/

>>> import pybedtools as bt
>>> from   glob       import glob
>>> print(bt.BedTool().multi_intersect(i=glob('*.bed')))
1   80  100 1   3       0   0   1
1   100 150 2   1,3     1   0   1
1   150 200 3   1,2,3   1   1   1
1   200 300 2   1,2     1   1   0
1   300 350 1   2       0   1   0