[바이오 빅데이터 파일 포맷] BigWig

지금까지 본 BED, GTF는 게놈의 특정 구간을 "여기부터 저기까지"로 표시하는 포맷이었습니다.

BigWig는 BED, GTF와 다르게 구간이 아니라 게놈의 모든 위치마다 연속적인 숫자 값을 저장합니다.

 

RNA-seq에서 어느 위치에 리드가 얼마나 쌓였는지, ChIP-seq에서 어느 위치의 신호가 얼마나 강한지 같은 데이터를 시각화할 때 씁니다. IGV나 UCSC Genome Browser에서 산 모양의 신호 그래프를 본 적 있다면, 그 데이터가 BigWig입니다.

---

기본 개념 — wig에서 시작

BigWig를 이해하려면 먼저 원형인 wig 포맷을 알아야 합니다.

wig는 텍스트 형식으로, 게놈 위치마다 값을 나열합니다.

fixedStep chrom=chr1 start=10001 step=1
12
15
18
20
22
...

 

이 예시는 chr1의 10001번 위치부터 한 염기씩 이동하면서 값(이 경우 리드 깊이)을 기록한 것입니다.

10001번 위치는 값 12, 10002번 위치는 값 15, 이런 식입니다.

게놈 전체(30억 bp)를 이런 식으로 텍스트로 저장하면 파일이 어마어마하게 커집니다.

BigWig는 이 wig 데이터를 바이너리로 압축하고 인덱싱한 버전입니다.

---

BigWig가 wig와 다른 점

	wig	BigWig
형식	텍스트	바이너리
용량	큼	작음 (압축)
특정 구간 조회	파일 전체 스캔 필요	인덱스로 즉시 조회
시각화 도구 호환	느림	빠름 (표준)

 

BigWig 내부에는 여러 해상도로 미리 계산된 요약 정보(zoom level)가 같이 저장되어 있습니다.

게놈 브라우저에서 전체 염색체를 보다가 특정 구간으로 확대(zoom in)할 때, 보고 있는 배율에 맞는 해상도의 데이터를 즉시 꺼내 쓸 수 있습니다.

그래서 30억 bp 전체를 다 읽지 않고도 빠르게 그래프를 그릴 수 있습니다.

---

어떤 값을 저장하는지

BigWig는 어떤 종류의 숫자 신호든 담을 수 있는 범용 포맷입니다.

NGS 분석에서 흔히 보는 형태는 이렇습니다.

RNA-seq coverage

각 게놈 위치에 리드가 몇 개 쌓였는지를 나타냅니다.

유전자 발현이 높은 영역일수록 값이 높습니다.

STAR로 정렬한 BAM 파일에서 bamCoverage 같은 도구로 BigWig를 생성합니다.

정렬된 BAM
    ↓ bamCoverage / STAR --outWigType
BigWig (위치별 리드 깊이)

ChIP-seq / ATAC-seq 신호

특정 단백질이 결합한 정도, 크로마틴이 열려 있는 정도를 위치별 신호 강도로 저장합니다. 피크 호출(peak calling) 전에 신호 자체를 시각화할 때 BigWig를 봅니다.

DNA 메틸화 비율

각 CpG 위치에서 메틸화된 비율(0~1 또는 0~100%)을 저장하는 데도 씁니다.

Conservation score

여러 종 간 서열 보존도(PhyloP, PhastCons 점수)도 위치별 연속 값이라 BigWig로 배포됩니다.

---

BED와의 차이

둘 다 게놈 위치 정보를 다루지만 목적이 다릅니다.

BED:      "이 구간(chr1:10000-10500)은 엑손이다"  ← 카테고리/존재 여부
BigWig:   "이 위치(chr1:10000)의 신호 값은 35다"   ← 연속적인 수치

BED는 이산적인(discrete) 영역 정보, BigWig는 연속적인(continuous) 수치 정보라고 구분하면 됩니다.

RNA-seq 발현량 자체는 GTF+BAM으로 계산하지만, 그 결과를 게놈 브라우저에서 시각적으로 확인할 때는 BigWig를 씁니다.

---

어디서 보고 만드나

시각화

IGV(Integrative Genomics Viewer), UCSC Genome Browser에서 BigWig 파일을 직접 불러오면 신호 그래프가 바로 그려집니다.

생성 도구

도구	용도
bamCoverage (deepTools)	BAM → BigWig 변환, 가장 많이 사용
bedGraphToBigWig (UCSC)	bedGraph → BigWig 변환
STAR --outWigType bigWig	정렬과 동시에 BigWig 생성

 

여러 샘플의 BigWig를 IGV에 동시에 올려서 비교하면, 어느 샘플에서 특정 유전자 발현이 더 높은지, 어느 영역에 ChIP-seq 피크가 몰려 있는지를 한눈에 비교할 수 있습니다.

---

bedGraph — BigWig의 중간 형태

BigWig를 만드는 과정에서 종종 거치는 텍스트 포맷이 bedGraph입니다.

BED와 비슷하지만 4번째 컬럼에 숫자 값을 가집니다.

chr1    10000   10004   12
chr1    10004   10008   15
chr1    10008   10010   20

 

연속된 위치 중 같은 값을 가지는 구간을 하나로 묶어서 표현합니다.

wig보다 효율적이고 사람이 읽기도 편해서, BAM → bedGraph → BigWig 순서로 변환하는 경우가 많습니다.

---

요약

BigWig는 게놈 위치마다 연속적인 숫자 값(신호 강도)을 저장하는 압축 바이너리 포맷입니다.

RNA-seq coverage, ChIP-seq 신호, 메틸화 비율처럼 위치별 수치 데이터를 빠르게 시각화할 때 표준으로 쓰입니다.