生信数据格式详解：Peak 文件 (narrowPeak / broadPeak / gappedPeak)

背景

在 ChIP-seq、ATAC-seq、CUT&Tag 等表观基因组学分析中，Peak calling 是核心步骤。MACS2 等工具会在基因组上鉴定出 reads 富集的区域（即 Peak），并输出标准化格式文件。

为了统一不同 peak calling 软件的输出结果，ENCODE 项目制定了三种标准格式：

• narrowPeak — 窄峰，适用于转录因子结合位点等尖锐信号
• broadPeak — 宽峰，适用于组蛋白修饰等弥漫性信号
• gappedPeak — 间隙峰，适用于包含多个离散区域的峰（如 RNA 水平的 m6A peak）

💡 这三种格式本质上都是 BED 格式的扩展，区别在于附加列的数量和含义。

重要：BED 格式采用 0-based 半开区间坐标系统，即起始位置从 0 开始计数，区间为 [start, end)。

narrowPeak (BED 6+4)

10 列，适用于窄峰（如转录因子 ChIP-seq）。

示例

chr1  10045  10250  MACS_peak_1  185  .  12.53  28.45  18.52  98
chr1  23015  23280  MACS_peak_2  142  .   9.87  22.31  14.25  130

最后一列 peak=98 表示 summit 位于 10045 + 98 = 10143。

broadPeak (BED 6+3)

9 列，在 narrowPeak 基础上去掉了最后一列（summit 位置）。

适用场景： H3K27me3、H3K9me3 等形成宽泛富集区域的组蛋白修饰。这类信号没有明确的峰顶，因此不需要 summit 信息。

gappedPeak (BED 12+3)

15 列，用于描述非连续的 Peak 区域，即一个 Peak 区间内包含多个离散的子区间（类似转录本中包含多个 exon）。

前 6 列

与 narrowPeak / broadPeak 完全相同。

第 7-9 列

第 10-15 列（BED12 扩展列）

适用场景： m6A-seq 鉴定的 RNA 修饰位点（跨多个 exon 的 Peak），或其他非连续富集区域。

格式对比总结

实用技巧

用 bedtools 处理 Peak 文件

1
2
3
4
5
6
7
8

# 查看两个 Peak 文件的交集
bedtools intersect -a peaks.narrowPeak -b regions.bed > overlap.bed

# 合并相邻 Peak
bedtools merge -i peaks.narrowPeak > merged.bed

# 计算Peak在基因组特征上的分布
bedtools intersect -a peaks.narrowPeak -b genes.bed -wa -wb > peak_annotation.txt

用 IGV 可视化

narrowPeak 和 broadPeak 文件可以直接加载到 IGV 中浏览。建议同时加载对应的 BAM 文件，查看 reads 覆盖情况。

坐标系转换

BED 格式是 0-based，而 GFF/GTF 格式是 1-based。互相转换时注意：

BED:  [100, 200)    → 长度 100
GFF:  101..200      → 长度 100

参考：BED Format Specification