Pysam 处理bam文件

Pysam可用来处理bam文件

安装：

用 pip 或者 conda即可

 

使用：

Pysam的函数有很多，主要的读取函数有：

• AlignmentFile：读取BAM/CRAM/SAM文件

• VariantFile：读取变异数据（VCF或者BCF）

• TabixFile：读取由tabix索引的文件；

• FastaFile：读取fasta序列文件；

• FastqFile：读取fastq测序序列文件

一般常用的是第一个和第二个。

 

例子：

import pysam

bf = pysam.AlignmentFile("in.bam","rb");  其中r = read， b：binary.  二进制文件。   bam文件index

bf是一个迭代器，可以next（）或者for读取

 for i in bf:
    print i.reference_name,i.pos,i.mapq,i.isize

结果：

ctg000331_np121 144935 27 -284
ctg000331_np121 144940 48 291
ctg000331_np121 144941 48 309
ctg000331_np121 144944 48 255
ctg000331_np121 144946 27 -370
ctg000331_np121 144947 27 -346

• i.reference_name代表read比对到的参考序列染色体id；

• i.flag bam的flag值

• i.pos代表read比对的位置；

• i.mapq代表read的比对质量值；

• i.isize代表PE read直接的插入片段长度，有时也称Fragment长度；

 很多功能见下图：

 

** pysam中的坐标位点是0开始，染色体起始位置为0，不是1

## sam 文件依次对应的12列
r.qname:  reads 名
r.flag ：Flag
r.reference_name: 比对到的染色体
r.pos+1： 比对位置，必须得加一
r.mapq： 比对质量
r.cigarstring： CIGAR
r.next_reference_name：另外一条reads比对的参考基因组，若和第一条相同，则输出=
r.mpos+1： 比对的位置，必须得加1
r.isize： 插入片段长度
r.seq：reads seq
r.qual： reads 质量

 

 

 

一些功能：

• check_index() 

          检测index文件是否存在存在即为true

bf.check_index()
True

• close（）

          用完记得关闭

bf.close()

• count(self，contig=None, start=None, stop=None, region=None, until_eof=False, read_callback='nofilter', reference=None，end=None)

             计算目标区域内比对上的reads数目

bf.count(contig="ctg000331_np121", start=1, stop=6000)
24

• count_coverage(self, contig=None, start=None, stop=None, region=None, quality_threshold=15, read_callback='all', reference=None, end=None)

         计算目标区域内的覆盖度。返回1个4维的array，代表ACGT的覆盖度，而每个维度的array长度为100，里面的数字代表该碱基在各个位置上的覆盖度。

  bf.count_coverage(contig="ctg000331_np121",start=1,stop=100)

• fetch(self, contig=None, start=None, stop=None, region=None, tid=None, until_eof=False, multiple_iterators=False, reference=None, end=None)

          提取出比对到目标区域内的全部reads。返回的是一个迭代器，可以通过for循环或者next函数从中取出reads，我们使用next()函数取出第一条reads，reads是用         AlignedSegment对象表示，可以通过该对象的内置方法再对这条reads进行一些查询操作。

allreads=bf.fetch(contig="ctg000331_np121",start=1,stop=10000)
是一个迭代器，可以用for循环获得

• get_index_statistics(self)
  通过index统计该BAM文件中在各个染色体上mapped/unmapped的reads个数

bf.get_index_statistics()

• fetch函数定位特定区域

有时候我们并不需要遍历整一份BAM文件，我们可能只想获得区中的某一个区域（比如chr1中301-310中的信息），那么这个时候可以用Alignmen模块中的fetch函数：

bam文件必须要index

for r in bf.fetch('chr1', 300, 310)：  
    print r
bf.close()

 

 

 

关注下方公众号可获得更多精彩

 

 

参考

1、如何使用Pysam处理BAM

2、使用Pysam操作BAM文件