SAM格式 及 比對工具之 samtools 使用方法

參考資料:

• SAMtools（官網）
• SAM Spec v1.4 （SAM格式 說明書） （重要）
• samtools-1.3.1 使用手冊 （SAMtools軟件說明書）
• samtools常用命令詳解(博客園)
• SAM格式定義（博耘生物）
• samtools使用方法（plob）

這個學習急不來，而且比對非常重要，先把上面的官方SAM/BAM格式說明文件看透`Sequence Alignment/Map Format Specification`

SAMtools解決的問題

• 非常多序列（read)，mapping到多個參考基因組（reference）上；
• 同一條序列，分多段（segment）比對到參考基因組上；
• 無限量的，結構化信息表示，包括錯配、刪除、插入等比對信息；

samtools 格式詳解

@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

#R498-三代組裝比對信息
@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，即序列比對文件格式，由頭部區（@開頭）和 主體區組成，均以tab分列。

• 頭部區：體現比對的總體信息，如SAM格式版本，參考序列，使用軟件。
• 主體區：比對結果，每一列都是一個比對結果，有11個主列 和 1個可選列。

以上：

@SQ行：SN是參考序列名；LN是參考序列長度。

下一行分別是：

1. QNAME（比對序列名）；
2. FLAG（比對類型，由2的次方的累加，如73=64+8+1）；
3. RNAME（比對上的參考序列名字）
4. POS（比對上的序列最左邊的鹼基的位置）
5. MAPQ（比對質量，BWA算出來的）
6. CIGAR（比對結果信息，簡寫）
7. MENM（pair序列比對在參考基因組上的名字，同上RNAME）
8. MPOS（pair比對位置，同上POS）
9. ISIZE（插入片段長度）
10. SEQ（序列信息，來自fastQ）
11. QUAL（質量信息，來自fastQ）
12. 可選列（格式為TAG：TYPE：VALUE，提供額外信息）

 

局部組裝常用命令及其參數

$samtoolsdir/samtools view -@ $NP -Sb $out/bwamem_$sample.sam -o $out/bwamem_$sample.bam
-@ 硬件參數

-S 輸入為SAM文件

-b 輸出為BAM文件

-o 指定輸出文件
$samtoolsdir/samtools sort -@ $NP $out/bwamem_$sample.bam -o $out/bwamem_$sample.sorted.bam

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

 

注意：目前使用的參數中均沒有影響結果的參數