细说alignment

下图表示一对PE read，和三条SE read的比对情况

image.png

Linear alignment

Linear alignment: 线性比对表示一个read比对到单个参考序列，可以存在插入，缺失，跳过(skip),剪切(clip), 但是不存在方向改变的情况(比如说一部分和正链比对，另一个位置则是和负链比对）。最简单的判断的方式就是，一个linear alignment只用一行记录，比如r003和r004。
multiple mapping: 假如有一个短序列，他在比对的时候看到哪哪都有他的影子，这种就是受重复区域影响比较大，所以read越长出现这种的可能性越低。一般指定首先匹配上的为最优匹配结果primary。其他的被视为secondary alignment，可以通过0x40 和 0x80 flags识别。primary alignment一般被认为是最好比对。

Chimeric alignment

Chimeric alignment: 嵌合比对，嵌合比对” 的形成是由于一条测序read比对到基因组上时分别比对到两个不同的区域，而这两个区域基本没有overlap。因此它在sam文件中需要占用多行记录显示。只有第一个记录被称作"representative",其他的都是"supplementary"【Chimeric reads are also called split reads】。比如r003第一个记录是后6个匹配，第二个记录则是反向序列的后5个匹配。如果发现嵌合比对，最好的比对top hit标记为soft clipping，其余的则标记为hard clipping。这里第一个记录比第二条记录截掉的碱基少，所以第一条记录是softclip。
将其中的一条sam文件作为represent alignment（r003第一次比对信息），而另一条作为supplementary alignment （flag为2048，r003第二次比对信息）。

补充：

bwa mem的-M -Y参数：

-M：mark shorter split hits as secondary。就是把supplemenary alignment 变为no primary（flag值256） 。下面是bwa mem -M的结果

7bd852359601076f68e258ed3590eb59.png
-Y:use soft clipping for supplementary alignments。把默认的supplementary alignmentshard clip变为soft clip。hard clip 不会显示不匹配的碱基串，soft clip会显示不匹配的碱基串。下面是bwa mem -Y的结果
r003 第一个比对信息 不加Y （默认），结果6H5M TAGGC， 加上Y 结果6S5M ttagctTAGGC
bam flag查询
通过flag 我们可以推测比对信息
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，被过滤不掉了（# 这个标签不常用）
1024: 代表这个序列是PCR重复序列（#这个标签不常用）
2048: 代表这个序列是补充的比对（#这个标签具体什么意思，没搞清楚，但是不常用）

感谢 微信公众号 生信从入门到放弃 、简说基因、简书用户JeremyL