samba查看日志 sam文件查看

sam/bam 是一种序列比对格式标准，由sanger制定，是以TAB为分割符的文本格式。主要应用于测序序列mapping到基因组上的结果表示，当然也可以表示任意的多重比对结果。通常是把FASTQ文件格式的测序数据比对到对应的参考基因组版本得到的。

header 部分

sam 分为两部分，注释信息（header section ）和比对结果部分 （alignment section）。通常是把FASTQ文件格式的测序数据比对到对应的参考基因组版本得到的。注释信息并不是SAM文件的重点，是该SAM文件产生以及被处理过程的一个记录，规定以@开头，用不同的tag表示不同的信息，主要有：

• @HD，说明符合标准的版本、对比序列的排列顺序；
• @SQ，参考序列说明；
• @RG，比对上的序列（read）说明；
• @PG，使用的程序说明；
• @CO，任意的说明信息。

samtools 查看 header 命令

samtools view -H <.bam>

比对部分

比对部分我们主要看前 11 列

1. QNAME: read 名称
2. FLAG: 概括出一个合适的标记，不同的数字代表不同的含义
   

第二列是对应的十六进制数，对应的二进制如下

• 1 ：代表这个序列采用的是PE双端测序
• 2： 代表这个序列和参考序列完全匹配，没有插入缺失
• 4： 代表这个序列没有mapping到参考序列上
• 8： 代表这个序列的另一端序列没有比对到参考序列上，比如这条序列是R1,它对应的R2端序列没有比对到参考序列上
• 16：代表这个序列比对到参考序列的负链上
• 32 ：代表这个序列对应的另一端序列比对到参考序列的负链上
• 64 ： 代表这个序列是R1端序列， read1;
• 128 : 代表这个序列是R2端序列，read2；
• 256： 代表这个序列不是主要的比对，一条序列可能比对到参考序列的多个位置，只有一个是首要的比对位置，其他都是次要的
• 512： 代表这个序列在QC时失败了，被过滤掉了
• 1024: 代表这个序列是PCR重复序列
• 2048: 代表这个序列有一部分嵌合了 PCR 引物

最终的数值是符合上面条条件的数字加起来的值，比如 \(99 = 1+2+32+64\),
也可以用二进制运算给算出来：

>>> bin(99)
 '0b1100011'
 # 其实就是 0000 0000 0001 + 0000 0000 0010 + 0000 0010 0000 +  0000 0100 0000

我们也可以通过这个值快速计算是不是完全匹配，或者判断是否符合其他条件

>>> 99 & 2
 2
 # 返回为真值就代表是完全匹配

1. RNAME: 参考基因组的染色体名称
2. POS: 比对到参考基因组上的位置
3. MAPQ: 比对质量, 255 表示比对质量不可用
4. CIGAR:

• “M”表示 match或 mismatch；
• “I”表示 insert；
• “D”表示 deletion；
• “N”表示 skipped（跳过这段区域）；
• “S”表示 soft clipping（被剪切的序列存在于序列中）；
• “H”表示 hard clipping（被剪切的序列不存在于序列中）；
• “P”表示 padding；
• “=”表示 match；
• “X”表示 mismatch（错配，位置是一一对应的）；

5. RNEXT: read2 在参考序列上的染色体名称，如果没有就用 "*", 相同"="
6. PNEXT: read2 在参考序列上的位置
8. TLEN: 插入片段的长度



9. SEQ: read 序列
10. QUAL: read 质量

比对部分的其他信息

从第 12 列开始信息就不固定了, 格式是 TAG:TYPE:VALUE 大家了解一下就好

---

参考资料
https://samtools.github.io/hts-specs/SAMv1.pdfhttps://samtools.github.io/hts-specs/SAMtags.pdf