sam文件解读

SAM分为两部分，注释信息（header section）和比对结果部分（alignment section）。

注释信息可有可无，都是以@开头，用不同的tag表示不同的信息，主要有：

@HD VN:1.0 SO:unsorted （排序类型） 

头部区第一行：VN是格式版本；SO表示比对排序的类型，有unknown（default），unsorted，queryname和coordinate几种。samtools软件在进行行排序后不能自动更新bam文件的SO值，而picard却可以。 

@SQ SN:contig1 LN:9401 （序列ID及长度） 

参考序列名，这些参考序列决定了比对结果sort的顺序，SN是参考序列名；LN是参考序列长度；每个参考序列为一行。 

例如：@SQ SN:NC_000067.6 LN:195471971 

@RG ID:sample01 （样品基本信息） 

Read Group。1个sample的测序结果为1个Read Group；该sample可以有多个library的测序结果，可以利用bwa mem -R 加上去这些信息。 

例如：@RG ID:ZX1_ID SM:ZX1 LB:PE400 PU:Illumina PL:Miseq 

ID：样品的ID号 SM：样品名 LB：文库名 PU：测序以 PL：测序平台 

这些信息可以在形成sam文件时加入，ID是必须要有的后面是否添加看分析要求 

@PG ID:bowtie2 PN:bowtie2 VN:2.0.0-beta7 （比对所使用的软件及版本） 

例如：@PG ID:bwa PN:bwa VN:0.7.12-r1039 CL:bwa sampe -a 400 -f ZX1.sam -r @RG ID:ZX1_ID SM:ZX1 LB:PE400 PU:Illumina PL:Miseq ../0_Reference/Reference_Sequence.fa ZX_HQ_clean_R1.fq.sai ZX_HQ_clean_R2.fq.sai ../2_HQData/ZX_HQ_clean_R1.fq ../2_HQData/ZX_HQ_clean_R2.fq 

这里的ID是bwa，PN是bwa，VN是0.7.12-r1039版本。CL可以认为是运行程序@RG是上面RG表示的内容，后面是程序内容，这里的@GR内容是可以自己在运行程序是加入的

比对结果部分（alignment section），每一行表示一个片段（segment）的比对信息，包括11个必须的字段（mandatory fields）和一个可选的字段，字段之间用tag分割。必须的字段有11个，顺序固定，不可用时，根据字段定义，可以为’0‘或者’*‘，这是11个字段包括：

第一列： QNAME：测序出来的reads序列数据名 如：SRR3101251.1

第二列：FLAG：0正链，16负链，4没比对上：

1 （1） 该read是成对的paired reads中的一个 

2 （10） paired reads中每个都正确比对到参考序列上 

4 （100） 该read没比对到参考序列上 

8 （1000） 与该read成对的matepair read没有比对到参考序列上 

16 （10000） 该read其反向互补序列能够比对到参考序列 

32 （100000） 与该read成对的matepair read其反向互补序列能够比对到参考序列 

64 （1000000） 在paired reads中，该read是与参考序列比对的第一条 

128 （10000000） 在paired reads中，该read是与参考序列比对的第二条 

256 （100000000） 该read是次优的比对结果 

512 （1000000000） 该read没有通过质量控制 

1024 （10000000000） 由于PCR或测序错误产生的重复reads 

2048 （100000000000） 补充匹配的read 

第三列：RNAME：参考基因组的染色体名，如：chr19

第四列：POS：比对到这个染色的具体位置（从1'端开始）如9486878

第五列：MAPQ：比对质量，是一个衡量比对好坏的打分结果，越高越好

第六列：CIGAR：简要比对信息表达式（Compact Idiosyncratic Gapped Alignment Report）：如M：完全比配；D：缺失。以参考序列为基础，使用数字加字母表示比对结果，比如3S6M1P1I4M，前三个碱基被剪切去除了，然后6个比对上了，然后打开了一个缺口，有一个碱基插入，最后是4个比对上了，是按照顺序的；

第七列：RNEXT：下一个片段比对上的参考序列的编号，没有另外的片段，这里是’*‘，同一个片段，用’=‘；第八列：PNEXT： 配对片段（即mate）比对上的参考序列的编号，没有另外的片段，这里是'*'，同一个片段，用'='； 第九列：TLEN：配对片段（即mate）比对到参考序列上的第一个碱基位置，若无mate,则为0；第十列：SEQ：Template（文库插入序列）的长度，最左边得为正，最右边的为负，中间的不用定义正负，不分区段（single-segment)的比对上，或者不可用时，此处为0；

第十一列：QUAL：ASCII编码的序列reads质量。ASCII码偏移33。序列的质量信息，格式同FASTQ一样。

第十二列：可选字段（optional fields)，格式如：TAG:TYPE:VALUE，其中TAG有两个大写字母组成，每个TAG代表一类信息，每一行一个TAG只能出现一次，TYPE表示TAG对应值的类型，可以是字符串、整数、字节、数组等。

粗略介绍：

1：QNAME 比对的序列名称 例如：M04650:84:000000000-B837R:1:1101:22699:1759（一条测序reads的名称） 

2：FLAG Bwise FLAG（表明比对类型：paring，strand，mate strand等） 例如：99 

3：RENAME 比对上的参考序列名 例如：NC_000075.6 

4：POS 1-Based的比对上的最左边的定位 例如：124057649 

5：MAPQ 比对质量 例如：60 

6：CIGAR Extended CIGAR string（操作符：MIDNSHP）比对结果信息；匹配碱基数，可变剪接等 例如：87M 

7：MRNM 相匹配的另外一条序列，比对上的参考序列名 例如：= 

8：MPOS 1-Based leftmost Mate Position （相比于MRNM列来讲意思和POS差不多） 例如：124057667 

9：ISIZE 插入片段长度 例如：200 

10：SEQ 和参考序列在同一个链上比对的序列（若比对结果在负义链上，则序列是其反向重复序列，反向互补序列） 例如：ATTACTTGGCTGCT 

11：QUAL 比对序列的质量（ASCII-33=Phred base quality）reads碱基质量值 例如：-8CCCGFCCCF7@E- :12：可选的列 以TAG：TYPE：VALUE的形式提供额外的信息

详细：

ref： SAM格式详解- CSDN博客