溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關SAM和BAM文件是什么，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
當我們測序得到的fastq數據map到基因組之后，會得到一個以sam或bam為擴展名的文件。這里，SAM的全稱是sequence alignment/map format。而BAM就是SAM的二進制文件，也就是壓縮格式的sam文件。 那么SAM文件的格式是什么樣子的呢？這里給大家簡單解釋一下。
SAM格式簡介
SAM文件由頭文件和map結果組成。頭文件為注釋信息，以@開頭，可有可無，就不做多介紹了。重要的是比對結果，例如這樣的：
E00514:173:H3C3JCCXY:4:1124:12398:67234 337 Chr00 32904 0 150M Chr09 33498107 0 TCAATTTCACTTGAAGCTTACTTGTAGTTTCAGGCTTGGTCAAGCGCGATACAAACCATGTAGTAGGAGTCCTCCAAGTCGCCAAGCTAGGGGATCTGCTGAAAGAGGTGACAGACAAGGTAAGCAATCAGAGCTCTAAGCAATCAGTCC iieiiiii`eiiiiiiiiiiiiiiieiiiiiiiieiiiiiiiiiiiiiiiiiiiiieiiiiiiiiiiiiieiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiieiiiiiiiii`iiieeieieeieee`` AS:i:-6 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:136C13 YT:Z:UU NH:i:8 CC:Z:Chr10 CP:i:18604313 HI:i:0 RG:Z:J36CK1 E00514:173:H3C3JCCXY:4:1124:12398:67234 369 Chr00 32904 0 150M Chr16 2469225 0 TCAATTTCACTTGAAGCTTACTTGTAGTTTCAGGCTTGGTCAAGCGCGATACAAACCATGTAGTAGGAGTCCTCCAAGTCGCCAAGCTAGGGGATCTGCTGAAAGAGGTGACAGACAAGGTAAGCAATCAGAGCTCTAAGCAATCAGTCC iieiiiii`eiiiiiiiiiiiiiiieiiiiiiiieiiiiiiiiiiiiiiiiiiiiieiiiiiiiiiiiiieiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiieiiiiiiiii`iiieeieieeieee`` AS:i:-6 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:136C13 YT:Z:UU NH:i:8 CC:Z:Chr10 CP:i:18604313 HI:i:2 RG:Z:J36CK1 E00514:173:H3C3JCCXY:4:1124:12398:67234 369 Chr00 32904 0 150M Chr16 29515410 0 TCAATTTCACTTGAAGCTTACTTGTAGTTTCAGGCTTGGTCAAGCGCGATACAAACCATGTAGTAGGAGTCCTCCAAGTCGCCAAGCTAGGGGATCTGCTGAAAGAGGTGACAGACAAGGTAAGCAATCAGAGCTCTAAGCAATCAGTCC iieiiiii`eiiiiiiiiiiiiiiieiiiiiiiieiiiiiiiiiiiiiiiiiiiiieiiiiiiiiiiiiieiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiieiiiiiiiii`iiieeieieeieee`` AS:i:-6 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:136C13 YT:Z:UU NH:i:8 CC:Z:Chr10 CP:i:18604313 HI:i:4 RG:Z:J36CK1 E00514:173:H3C3JCCXY:4:1124:12398:67234 369 Chr00 32904 0 150M Chr17 31040767 0 TCAATTTCACTTGAAGCTTACTTGTAGTTTCAGGCTTGGTCAAGCGCGATACAAACCATGTAGTAGGAGTCCTCCAAGTCGCCAAGCTAGGGGATCTGCTGAAAGAGGTGACAGACAAGGTAAGCAATCAGAGCTCTAAGCAATCAGTCC iieiiiii`eiiiiiiiiiiiiiiieiiiiiiiieiiiiiiiiiiiiiiiiiiiiieiiiiiiiiiiiiieiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiieiiiiiiiii`iiieeieieeieee`` AS:i:-6 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:136C13 YT:Z:UU NH:i:8 CC:Z:Chr10 CP:i:18604313 HI:i:6 RG:Z:J36CK1 E00514:173:H3C3JCCXY:4:1212:19025:24532 409 Chr00 33538 0 150M * 0 0 GATTCCAAGTGCTGACTGATTGCTCTCTTTCTCCTTGTCTTGCAGGTAAGAACAAGGCCAAAGGAAAAGACAGGGAAAAAACATGAAATGAGATACTCTTGCTTTTAACCCTGATGATATGAGATATTCTTGCTCTAGTATAGCTTGTTT ii`e`ei[iiiiiiiiiiiiie[ieeieieiiiiieiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiieee`` AS:i:-12 XN:i:0 XM:i:2 XO:i:0 XG:i:0 NM:i:2 MD:Z:52T33T63 YT:Z:UU NH:i:20 CC:Z:Chr01 CP:i:11331871 HI:i:0 RG:Z:J36CK1
字段之間也就是列之間由Tab隔開，每一字段具體含義參考下圖：
其中：
1. QNAME 表示reads名稱；
2. FLAG：表示比對的結果，由數字表示，不同的數值含義不同，其列表如下：
中文解釋：
1 ： 代表這個序列采用的是PE雙端測序 2： 代表這個序列和參考序列完全匹配，沒有錯配和插入缺失 4： 代表這個序列沒有mapping到參考序列上 8： 代表這個序列的另一端序列沒有比對到參考序列上，比如這條序列是R1,它對應的R2端序列沒有比對到參考序列上 16：代表這個序列比對到參考序列的負鏈上 32 ：代表這個序列對應的另一端序列比對到參考序列的負鏈上 64 ： 代表這個序列是R1端序列， read1; 128 : 代表這個序列是R2端序列，read2； 256： 代表這個序列不是主要的比對，一條序列可能比對到參考序列的多個位置，只有一個是首要的比對位置，其他都是次要的 512： 代表這個序列在QC時失敗了，被過濾不掉了（# 這個標簽不常用） 1024: 代表這個序列是PCR重復序列（#這個標簽不常用） 2048: 代表這個序列是補充的比對（#這個標簽具體什么意思，沒搞清楚，但是不常用
比對結果數值也可以是上述數值的組合（即數值相加），如FLAG為83（64+16+2+1）表示paired-end reads中的第一個reads比對到參考序列上了；
3. RNAME：表示參考序列的名稱，如基因組的染色體編號等，如果沒有比對上則顯示為*；
4. POS：表示比對的起始位置，以1開始計數，如果沒有比對上則顯示為0；
5. MAPQ：比對質量；（數字越大，特異性越高）
6. CIGAR：字符串，即比對的詳細情況， 記錄插入，缺失，錯配，后剪切拼接的接頭；
7. RNEXT：雙末端測序中下一個reads比對的參考系列的名稱，如果沒有則用 " * " 表示，如果和前一個reads比對到同一個參考序列則用" = "表示；
8. PNEXT：下一個reads比對到參考序列上的位置，如果沒有則用0表示；
9. TLEN：序列模板的長度；
10. SEQ：reads的序列信息；
11. QUAL：reads的序列質量信息；
12. 可選字段：格式如：TAG:TYPE:VALUE，其中TAG有兩個大寫字母組成，每個TAG代表一類信息，每一行一個TAG只能出現一次，TYPE表示TAG對應值的類型，可以是字符串、整數、字節、數組等。
常用bam/sam文件處理
由于sam格式的文件通常都非常大，所以為了節省存儲空間而將sam轉換為二進制格式以便于存儲，也就是bam文件。 sam/bam文件可以由特定的一些軟件（比如samtools）來處理的，包括格式互轉、排序、建立索引等操作。
1. bam文件讀取
bam文件為二進制的文件，不能直接查看，可用samtools讀取：
samtools view xxx.bam samtools view xxx.bam |less -S
2. sam/bam轉換
samtools view -h xxx.bam > xxx.sam samtools view -b -S xxx.sam > xxx.bam
3. 對bam文件排序
samtools sort xxx.bam outputPrefix
4. bam文件創建index
samtools index xxx.bam
5. 對mapping結果進行評估
在mapping之后，可以通過samtools對mapping的結果的質量進行評估。
samtools idxstats xxx.bam
執行這一步前需要經過sort和index，結果如下：
chr1 195471971 6112404 0 chr10 130694993 3933316 0 chr11 122082543 6550325 0 chr12 120129022 3876527 0 chr13 120421639 5511799 0 chr14 124902244 3949332 0 chr15 104043685 3872649 0
其中第一列是染色體名稱，第二列是序列長度，第三列是mapped reads數，第四列是unmapped reads數。
6. 統計flag信息
統計bam文件中的比對flag信息，并輸出比對統計結果。
samtools flagstat xxx.bam
total：分析的總reads數（bam文件所有行數） mapped：比對上的reads數（總體比對率） paired in sequencing：成對的reads總數 read1：屬于reads1的reads數量 read2：屬于reads2的reads數量 properly paired：正確配對的reads數量 with itself and mate mapped：一對reads均比對上的reads數 singletons：只有單條reads比對上的reads數 以上計數均以reads條數計，一對reads計為兩條。
還可以通過以下命令快速查看flag值所對應的含義：
$samtools flags 141 0x8d 141 PAIRED,UNMAP,MUNMAP,READ2 #flags值為141 #PAIRED表示這條序列采用雙端測序， 其值為1； #UNMAP表示這個序列沒有mapping到參考序列上， 其值為4； #MUNMAP表示這個序列的另一端序列沒有比對到參考序列上， 其值為8； #READ1表示這條序列是R1端序列，其值為128. #以上數值相加和為141
7. 合并BAM文件
將多個排序后的序列文件合并為一個文件
samtools merge -n out.bam in1.bam in2.bam in3.bam…
關于“SAM和BAM文件是什么”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
