生物信息學/SAM數據格式
< 生物信息学
SAM（The Sequence Alignment/Map format）格式，即序列比對文件的格式。詳細的介紹文檔：
http://samtools.github.io/hts-specs/SAMv1.pdf。
SAM文件由兩部分組成：頭部區和主體區，都以tab分列。
- 頭部區：以'@'開始，體現了比對的一些總體信息。比如比對的SAM格式版本，比對的參考序列，比對使用的軟件等。
- 主體區：比對結果，每一個比對結果是一行，有11個主列和1個可選列。
SAM頭部區簡要介紹
編輯@HD VN:1.0 SO:upsorted
头部区第一行：VN是格式版本；SO表示比对排序的类型，
有unkown(default), unsorted, query name和coordinate几种。
samtools软件在进行排序后不能自动更新bam文件的SO值。picard却可以。
@SQ SN:A.auricula_all_contig_1 LN:9401
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；
@RG ID:sample01
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。
数据编号信息。若对数据进行编号，则将其信息记录在@RG中。
GATK软件运行时输入的SAM格式文件中必须含有该信息。
@PG ID:bowtie2 PN:bowtie2 VN:2.0.0-beta7
生成SAM文件所使用的比对件。
| 列 | Field | 描述 |
|---|---|---|
| 1 | QNAME | 比對的序列名 |
| 2 | FLAG | bitwise FLAG(表明比對類型:pairing, strand, mate strand 等)按位計算值，值變成二進制後，不同位表示相應的比對信息 |
| 3 | RNAME | 比對上的參考序列名 |
| 4 | POS | 1-Based的比對上的最左邊的定位 |
| 5 | MAPQ | 比對質量 (Phred) |
| 6 | CIAGR | Extended CIGAR string (操作符：MIDNSHP)比對結果信息：匹配鹼基數，可變剪接等。 |
| 7 | MRNM | 相匹配的另外一條序列，比對上的參考序列名 |
| 8 | MPOS | 1-Based leftmost Mate POsition |
| 9 | ISIZE | 插入片段長度 |
| 10 | SEQ | 和參考序列在同一個鏈上的比對序列(若比對結果在負義鏈上，則序列是其反向重複序列) |
| 11 | QUAL | QUALity比對序列的質量(ASCII-33=Phred base quality) |
| 12 | OPT | OPTional可選的行，以TAG: TYPE: VALUE的形式提供額外的信息 |
| 字符 | 二進制 | 十進制 | 描述 |
|---|---|---|---|
| p | 0x0001 | 1 | 該read是成對的paired reads中的一個 |
| P | 0x0002 | 2 | Paird reads中每個都正確比對到參考序列 |
| u | 0x0004 | 4 | 該read沒比對到參考序列上 |
| U | 0x0008 | 8 | 與該read成對的另一端的read沒有比對到參考序列上 |
| r | 0x0010 | 16 | 該read和參考序列相比，是反向互補的 |
| R | 0x0020 | 32 | 與該read成對的另一端的read是反向互補的 |
| 1 | 0x0040 | 64 | 在Paired reads中，該read是第1條 |
| 2 | 0x0080 | 128 | 在Paired reads中，該read是第2條 |
| s | 0x0100 | 256 | 次優的比對結果 |
| f | 0x0200 | 512 | 沒有通過質量控制 |
| d | 0x0400 | 1024 | PCR重複或光學重複 |
BWA生成的TAGS
編輯| Tag | Meaning |
|---|---|
| NM | Edit distance |
| MD | 錯配位置/鹼基 |
| AS | 比對得分 |
| BC | Barcode序列 |
| X0 | 最佳匹配的次數 |
| X1 | BWA找到的次優比對數量 |
| XN | 參考文獻中不明確的N鹼基數量 |
| XM | 比對中錯配的數量 |
| XO | gap的數量 |
| XG | gap延伸的次數 |
| XT | 類型: Unique唯一/Repeat重複/N/Mate-sw |
| XA | 可選匹配; 格式format: (chr,pos,CIGAR,NM;)* |
| XS | 次優比對得分 |
| XF | 支持正鏈/負鏈比對 |
| XE | 支持的seeds數 |
XO和XG是由BWT搜索生成，CIGAR字符串有Smith-Waterman比對，這兩個內容不同不是bug。
在使用bwa、bowtie、tophat、hisat或STAR比對軟件對reads進行比對後，可以獲得了 SAM文件。這些sam文件記錄着比對的結果。但是在後續分析中常常需要對sam格式文件進行操作。比如，對比對結果按reads比對到參考序列的位置進行排序，以利於下一步的分析。