<meta charset="utf-8">
SAM文件HEADER: SAM Format Header
SAM文件每一列的信息：
image
image
image
FLAG信息：
flag信息展示的是十进制的数字，我们需要将它转变成二进制，二进制每个数字都代表一些信息，1代表true,0代表flase.比如第二个信息显示PE(pair-end)是否比对到合适位置，这里显示1，则表示PE是比对到合适位置。
FLAG.png
关于第二条PE是否比对到合适位置有个补充说明：若PE两条比对到同一条染色体我们称之为properly aligned,若比对到不同染色体则不是properly aligned。这是因为PE原本就是由同一个片段两端测序而来，应该在同一条染色体上。
SAM文件中CIGAR字符串详细记录了read比对到参考序列上的细节：
| 标记 | 描述 | Description | Consumes query | Consumes reference |
|---|---|---|---|---|
| M | 匹配(包含完全匹配和单碱基错配) | alignment match (can be a sequence match or mismatch) | yes | yes |
| I | 序列插入(包含潜在Insertion变异) | insertion to the reference | yes | no |
| D | 序列删除(包含潜在Deletion变异) | deletion from the reference | no | yes |
| N | 跳过参考序列 | skipped region from the reference | no | yes |
| S | 软跳过(soft clip)，跳过read中的部分序列，不会改变read长度 | soft clipping (clipped sequences present inSEQ) | yes | no |
| H | 硬跳过(hard clip)，直接剪切掉read中部分序列，会改变read长度 | hard clipping (clipped sequences NOT present inSEQ) | no | no |
| P | padding，类似N，跳过参考序列的部分区域 | padding (silent deletion from padded reference) | no | no |
| = | 完全匹配 | sequence match | yes | yes |
| X | 序列错配 | sequence mismatch | yes | yes |
“Consumes query” and “consumes reference” indicate whether the CIGAR operation causes the alignment to step along the query sequence and the reference sequence respectively.
2022-02-25 (26).png
soft clip和hardclip的区别详见我收录的专题文章：基因组比对文件（SAM/BAM） Soft Clip 与 Hard Clip
【转】基因组比对文件（SAM/BAM） Soft Clip 与 Hard Clip - 简书 (jianshu.com)
BAM文件中除了必须的前11列信息之外，不同的BAM文件中后面记录metadata的列是不固定的，在不同的处理软件中输出时也会有所不同，meatdata含义：SAM (Sequence Alignment/Map) Format Alignment Tags (samformat.info)
部分内容参考下面文章：
作者：WuYankang
链接：https://www.jianshu.com/p/12c81825c1f4
网友评论