生物数据格式 - pileup

格式

pileup格式描述了染色体上每个位置的碱基信息， 可以用来 SNP/indel calling, 也可以直接用眼睛看一下排列的情况。

pileup文件格式如下： pileup格式.png

pileup格式文件包括6列
第一列：参考序列名；
第二列：碱基位置；
第三列：参考碱基；
第四列：比对上的reads；
第五列：比对情况；
第六列：碱基质量，与fastq文件一样用ASCII码表示。
其中第五列比对情况的表示方法较为复杂，用多种表达了每一个碱基的比对情况：

符号	含义	符号	含义
.	匹配正链	,	匹配负链
ATCGN	正链上的不匹配	actin	负链上的不匹配
^	该条read的第一个碱基	$	该条read的最后一个碱基
正则式:+[0-9][ATCGN]	在该位点后插入的碱基	正则式:+[0-9][atcgn]	在该位点后缺失的碱基
*	模糊碱基

获取

Pileup 文件一般是由samtools从sorted bam 文件生成：

samtools mpileup -f XX.fa -Q 15 -q 20 input.sorted.bam -o output.pileup