比IGV更好用的基因可视化小工具——批量生成基因组可视化图片

生信分析何慧敏 2026-06-05 11:08

在CUT&Tag等表观遗传研究中，IGV作为常用的基因组数据可视化工具，能直观展示测序信号与功能位点，此前，我们已推出了IGV可视化的分析云工具（景杰云平台CUT&Tag分析工具首发：助力表观遗传研究的利器）及其他CUT&Tag小工具（【CUT&Tag分析工具上新第二弹】Peak注释+功能富集）。然而，手动操作截图存在诸多不便。应广大粉丝的强烈需求，我们继续为大家带来一个比IGV更好用的基因可视化小工具。

IGV可视化虽直观，手动截图却有些“痛”

IGV（Integrative Genomics Viewer）是的一款高性能、免费且开源的基因组数据可视化工具。尤其在查看和分析 .bw（BigWig）与 .bed / NarrowPeak（Peak文件）这类组合时，其交互功能带来了极大的便利：

.bw文件在IGV中主要以条形图或折线图的形式展示。信号的高度直观地反映了测序reads在该区域的覆盖深度或富集程度，能够直观体现数据质量，轻松看出哪些位置信号强。
精准得标注功能区域：Peak文件（如MACS2等工具输出的narrowPeak或.bed格式）则在基因组坐标上清晰地标注出蛋白质结合位点、开放染色质区域等功能元件的精确位置。

然而，直接使用IGV 截图往往存在几个痛点：

1、不同样本之间图的风格、颜色、坐标轴难以完全统一。

2、批量生成多个区域的图片非常繁琐（需要手动截图几十甚至上百次）。

3、图片分辨率、字体、标注位置等难以精细控制。

4、svg矢量图层次复杂，结构繁琐，难以编辑

pyGenomeTracks——自动化、可重复的基因组出图方案

相比于手动操作 IGV，pyGenomeTracks能完美好地解决以上问题，它直接读入数据文件（如 BigWig、BED等），然后根据一个文本配置文件，自动生成一张矢量格式（PDF/SVG）或位图格式（PNG）的基因组区域图片。整个过程是自动化的、可重复的，而且生成的图片风格统一、整洁，很适合直接用于文章发表。

pyGenomeTracks的核心概念是轨道（track），这与IGV中的“轨道”类似。每个轨道代表一类数据或一种图形元素。绘制时从上到下依次排列，共同展示一个基因组区域的多种信息。