bowtie2是当前最流行的短序列比对软，SAM（SequenceAlignment/Map）格式是一种通用的比对格式，用来存储reads到参考序列的比对信息SAM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
SAM分为两部分：注释信息和对比结果
注释信息以@开头
@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
比对结果部分
每一行代表一个片段的比对信息，包括11个必须的字段和一个可选字段，字段之间用tag分割
11个必须字段：
1：比对片段（read）的编号
2.位标识（flag）每一种数字代表一种情况，这里的值是符合情况的数字和
3.参考序列的编号，没有比对上的序列，这里为 *
4.比对上的位置 从1开始计数，没有比对上此处为0
5.MAPQ：mapping的质量
6.CIGAR:简要比对信息表达式 以参考序列为基础，使用数字加字幕表示比对结果
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
“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；打开缺口
“=”表示 match；
“X”表示 mismatch（错配，位置是一一对应的）
7.下一个片段比对上的参考序列的标号，没有另外的片段这里为 * ，同一个片段 =
8.下一个片段比对上的位置，如果不可用，此处为0
9.Template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；
10.比对上的序列片段的序列信息，如果不存储此类信息，此处为’*‘，
长度=简要比对信息表达式算出来的结果
11.序列的质量信息，格式同FASTQ一样
网友评论