SAM格式 及 比对工具之 samtools 使用方法

参考资料:

这个学习急不来，而且比对非常重要，先把上面的官方SAM/BAM格式说明文件看透`Sequence Alignment/Map Format Specification`

SAMtools解决的问题

  • 非常多序列（read)，mapping到多个参考基因组（reference）上；
  • 同一条序列，分多段（segment）比对到参考基因组上；
  • 无限量的，结构化信息表示，包括错配、删除、插入等比对信息；

samtools 格式详解

@SQ    SN:Supercontig_6    LN:4218384
SRR1216519.3960650    73    Supercontig_6    5    0    67M13S    =    5    0    CTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCTAACCCCAACCCCAACCCCACACCCCACACC    EEEEED?CEEFFDFFFDBFEEEDEAB=EBC@-?@?BE=EB?-B?####################################    NM:i:2    AS:i:57    XS:i:57
#R498-三代组装比对信息
@SQ    SN:tig00000000    LN:110432
@SQ    SN:tig00000001    LN:42601
@SQ    SN:tig00000002    LN:14821
@PG    ID:bwa    PN:bwa    VN:0.7.10-r789    CL:/public/software/bwa-0.7.10/bwa mem -e breakpoint.contigs breakpoint.contigs.fasta

tig00000000    0    tig00000002    6796    60    99995S62M1D17M2I2    *    0    0    TGAAAACACCAGTCGGTGGTCGGC    *    NM:i:228    MD:Z:7G16G34T2    AS:i:840    XS:i:0    SA:Z:tig00000001,41895,+,

SAM格式，即序列比对文件格式，由头部区（@开头）和 主体区组成，均以tab分列。

  • 头部区：体现比对的总体信息，如SAM格式版本，参考序列，使用软件。
  • 主体区：比对结果，每一列都是一个比对结果，有11个主列 和 1个可选列。

以上：

@SQ行：SN是参考序列名；LN是参考序列长度。

下一行分别是：

  1. QNAME（比对序列名）；
  2. FLAG（比对类型，由2的次方的累加，如73=64+8+1）；
  3. RNAME（比对上的参考序列名字）
  4. POS（比对上的序列最左边的碱基的位置）
  5. MAPQ（比对质量，BWA算出来的）
  6. CIGAR（比对结果信息，简写）
  7. MENM（pair序列比对在参考基因组上的名字，同上RNAME）
  8. MPOS（pair比对位置，同上POS）
  9. ISIZE（插入片段长度）
  10. SEQ（序列信息，来自fastQ）
  11. QUAL（质量信息，来自fastQ）
  12. 可选列（格式为TAG：TYPE：VALUE，提供额外信息）

 

局部组装常用命令及其参数

$samtoolsdir/samtools view -@ $NP -Sb $out/bwamem_$sample.sam -o $out/bwamem_$sample.bam
-@ 硬件参数
-S 输入为SAM文件
-b 输出为BAM文件
-o 指定输出文件
$samtoolsdir/samtools sort -@ $NP $out/bwamem_$sample.bam -o $out/bwamem_$sample.sorted.bam

$samtoolsdir/samtools index $out/bwamem_$sample.sorted.bam

 

注意：目前使用的参数中均没有影响结果的参数

posted @ 2016-06-21 13:47  Life·Intelligence  阅读(9855)  评论(0)  编辑  收藏  举报
TOP