SAM格式-Bowtie2（简要介绍）_生物软件圈_商圈

SAM格式-Bowtie2（简要介绍）

楼主收藏举报帖子创建时间: 2018-06-03 00:00 回复：0 关注量：129

（首先推荐public Library of Bioinformatics的《SAM格式》和《Bowtie2使用方法与参数详细介绍》两篇文章，有不足处希望大家提出）

1，简介：

文件后缀名:.sam

Bowtie2是现下最流行的短序列比对软件，SAM(Sequence Alignment/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。

2，行、列、注释说明：

注释：以@开头的行

行：除注释外，每一行是一个read

列：

第一列：read name，read的名字通常包括测序平台等信息

eg.ILLUMINA-379DBF:1:1:3445:946#0/1

第二列：sum of flags，为flag的总和（整数）,flag取值见备注(3)

eg.16

第三列：RNAM，reference sequence name，实际上就是比对到参考序列上的染色体号。若是无法比对，则是*

eg.chr1

第四列：position，read比对到参考序列上，第一个碱基所在的位置。若是无法比对，则是0

eg.36576599

第五列：Mapping quality，比对的质量分数，越高说明该read比对到参考基因组上的位置越唯一。

eg.42

第六列：CIGAR值，碱基匹配上的碱基数。match/mismatch、insertion、deletion 对应字母 M、I、D

eg.36M 表示36个碱基在比对时完全匹配

注：第七列到第九列是mate(备注1)的信息，若是单末端测序这几列均无意义。

第七列：MRNM(chr)，mate的reference sequence name，实际上就是mate比对到的染色体号，若是没有mate，则是*

eg.*

第八列：mate position，mate比对到参考序列上的第一个碱基位置，若无mate,则为0

eg.0

第九列：ISIZE，Inferred fragment size.详见Illumina中paired end sequencing 和 mate pair sequencing，是负数，推测应该是两条read之间的间隔(待查证)，若无mate则为0

eg.0

第十列：Sequence，就是read的碱基序列，如果是比对到互补链上则对read进行了reverse completed

eg.CGTTTCTGTGGGTGATGGGCCTGAGGGGCGTTCTCN

第十一列：ASCII，read质量的ASCII编码。

eg.PY[[YY_______________QQQQbILKIGEFGKB

第十二列之后：Optional fields，以tab建分割。详见备注(2)

eg.AS:i:-1 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:35T0 YT:Z:UU

扩展：

3，应用举例：

SAM文件可以作为很多后续分析的源文件，也可以从其中提取感兴趣的信息。

4，备注：

(1)mate，在Illuminated中有两种测序技术：paired end sequencing，mate pair sequencing。这两种测序都是测的一个片段的两端，这两端产生的reads被称为mate1，mate2，单末端测序则无mate。

(2)Optional fields：

AS:i:<N>

Alignment score.可以为负的，在local下可以为正的。只有当Align≥1 time才出现

XS:i:<N>

Alignment score for second-best alignment. 当Align>1 time出现

YS:i:<N>

Alignment score for opposite mate in the paired-end alignment. 当该read是双末端测序中的一条时出现

XN:i:<N>

The number of ambiguous bases in the reference covering this alignment.（推测是指不知道错配发生在哪个位置，推测是针对于插入和缺失，待查证）

XM:i:<N>

错配碱基的数目

XO:i:<N>

The number of gap opens(针对于比对中的插入和缺失)

XG:i:<N>

The number of gap extensions(针对于比对中的插入和缺失)

NM:i:<N>

The edit distance(read string转换成reference string需要的最少核苷酸的edits:插入/缺失/替换)

YF:Z:<S>

该reads被过滤掉的原因。可能为LN(错配数太多，待查证)、NS(read中包含N或者．)、

SC(match bonus低于设定的阈值)、QC(failing quality control，待证)

YT:Z:<S>

值为UU表示不是pair中一部分(单末端？)、CP(是pair且可以完美匹配)

DP(是pair但不能很好的匹配)、UP(是pair但是无法比对到参考序列上)

MD:Z:<S>

比对上的错配碱基的字符串表示

(3)flag取值

0：比对到参考序列的正链上（待求证）

1：是paired-end或mate pair中的一条

2：双末端比对的一条

4：没有比对到参考序列上

8：是paired-end或mate pair中的一条，且无法比对到参考序列上

16：比对到参考序列的负链上

32：双末端reads的另一条（mate）比对到参考序列的负链上

64：这条read是mate 1

128：这条read是mate 2

5，参考文献

mate pair sequencing

paired-end sequencing

bowtie2_manual

SAM and SAMTools

SAM格式-Bowtie2（简要介绍）

楼主 | 收藏 | 举报 2018-06-03 00:00 浏览: 129 回复: 0

（首先推荐public Library of Bioinformatics的《SAM格式》和《Bowtie2使用方法与参数详细介绍》两篇文章，有不足处希望大家提出）

1，简介：

文件后缀名:.sam

Bowtie2是现下最流行的短序列比对软件，SAM(Sequence Alignment/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。

2，行、列、注释说明：

注释：以@开头的行

行：除注释外，每一行是一个read

列：

第一列：read name，read的名字通常包括测序平台等信息

eg.ILLUMINA-379DBF:1:1:3445:946#0/1

第二列：sum of flags，为flag的总和（整数）,flag取值见备注(3)

eg.16

第三列：RNAM，reference sequence name，实际上就是比对到参考序列上的染色体号。若是无法比对，则是*

eg.chr1

第四列：position，read比对到参考序列上，第一个碱基所在的位置。若是无法比对，则是0

eg.36576599

第五列：Mapping quality，比对的质量分数，越高说明该read比对到参考基因组上的位置越唯一。

eg.42

第六列：CIGAR值，碱基匹配上的碱基数。match/mismatch、insertion、deletion 对应字母 M、I、D

eg.36M 表示36个碱基在比对时完全匹配

注：第七列到第九列是mate(备注1)的信息，若是单末端测序这几列均无意义。

第七列：MRNM(chr)，mate的reference sequence name，实际上就是mate比对到的染色体号，若是没有mate，则是*

eg.*

第八列：mate position，mate比对到参考序列上的第一个碱基位置，若无mate,则为0

eg.0

第九列：ISIZE，Inferred fragment size.详见Illumina中paired end sequencing 和 mate pair sequencing，是负数，推测应该是两条read之间的间隔(待查证)，若无mate则为0

eg.0

第十列：Sequence，就是read的碱基序列，如果是比对到互补链上则对read进行了reverse completed

eg.CGTTTCTGTGGGTGATGGGCCTGAGGGGCGTTCTCN

第十一列：ASCII，read质量的ASCII编码。

eg.PY[[YY_______________QQQQbILKIGEFGKB

第十二列之后：Optional fields，以tab建分割。详见备注(2)

eg.AS:i:-1 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:35T0 YT:Z:UU

扩展：

3，应用举例：

SAM文件可以作为很多后续分析的源文件，也可以从其中提取感兴趣的信息。

4，备注：

(2)Optional fields：

AS:i:<N>

Alignment score.可以为负的，在local下可以为正的。只有当Align≥1 time才出现

XS:i:<N>

Alignment score for second-best alignment. 当Align>1 time出现

YS:i:<N>

Alignment score for opposite mate in the paired-end alignment. 当该read是双末端测序中的一条时出现

XN:i:<N>

The number of ambiguous bases in the reference covering this alignment.（推测是指不知道错配发生在哪个位置，推测是针对于插入和缺失，待查证）

XM:i:<N>

错配碱基的数目

XO:i:<N>

The number of gap opens(针对于比对中的插入和缺失)

XG:i:<N>

The number of gap extensions(针对于比对中的插入和缺失)

NM:i:<N>

The edit distance(read string转换成reference string需要的最少核苷酸的edits:插入/缺失/替换)

YF:Z:<S>

该reads被过滤掉的原因。可能为LN(错配数太多，待查证)、NS(read中包含N或者．)、

SC(match bonus低于设定的阈值)、QC(failing quality control，待证)

YT:Z:<S>

值为UU表示不是pair中一部分(单末端？)、CP(是pair且可以完美匹配)

DP(是pair但不能很好的匹配)、UP(是pair但是无法比对到参考序列上)

MD:Z:<S>

比对上的错配碱基的字符串表示

(3)flag取值

0：比对到参考序列的正链上（待求证）

1：是paired-end或mate pair中的一条

2：双末端比对的一条

4：没有比对到参考序列上

8：是paired-end或mate pair中的一条，且无法比对到参考序列上

16：比对到参考序列的负链上

32：双末端reads的另一条（mate）比对到参考序列的负链上

64：这条read是mate 1

128：这条read是mate 2

5，参考文献

mate pair sequencing

paired-end sequencing

bowtie2_manual

SAM and SAMTools

楼主 | 收藏 | 举报 2018-06-03 00:00 浏览: 129 回复: 0

（首先推荐public Library of Bioinformatics的《SAM格式》和《Bowtie2使用方法与参数详细介绍》两篇文章，有不足处希望大家提出）

1，简介：

文件后缀名:.sam

Bowtie2是现下最流行的短序列比对软件，SAM(Sequence Alignment/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。

2，行、列、注释说明：

注释：以@开头的行

行：除注释外，每一行是一个read

列：

第一列：read name，read的名字通常包括测序平台等信息

eg.ILLUMINA-379DBF:1:1:3445:946#0/1

第二列：sum of flags，为flag的总和（整数）,flag取值见备注(3)

eg.16

第三列：RNAM，reference sequence name，实际上就是比对到参考序列上的染色体号。若是无法比对，则是*

eg.chr1

第四列：position，read比对到参考序列上，第一个碱基所在的位置。若是无法比对，则是0

eg.36576599

第五列：Mapping quality，比对的质量分数，越高说明该read比对到参考基因组上的位置越唯一。

eg.42

第六列：CIGAR值，碱基匹配上的碱基数。match/mismatch、insertion、deletion 对应字母 M、I、D

eg.36M 表示36个碱基在比对时完全匹配

注：第七列到第九列是mate(备注1)的信息，若是单末端测序这几列均无意义。

第七列：MRNM(chr)，mate的reference sequence name，实际上就是mate比对到的染色体号，若是没有mate，则是*

eg.*

第八列：mate position，mate比对到参考序列上的第一个碱基位置，若无mate,则为0

eg.0

第九列：ISIZE，Inferred fragment size.详见Illumina中paired end sequencing 和 mate pair sequencing，是负数，推测应该是两条read之间的间隔(待查证)，若无mate则为0

eg.0

第十列：Sequence，就是read的碱基序列，如果是比对到互补链上则对read进行了reverse completed

eg.CGTTTCTGTGGGTGATGGGCCTGAGGGGCGTTCTCN

第十一列：ASCII，read质量的ASCII编码。

eg.PY[[YY_______________QQQQbILKIGEFGKB

第十二列之后：Optional fields，以tab建分割。详见备注(2)

eg.AS:i:-1 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:35T0 YT:Z:UU

扩展：

3，应用举例：

SAM文件可以作为很多后续分析的源文件，也可以从其中提取感兴趣的信息。

4，备注：

(2)Optional fields：

AS:i:<N>

Alignment score.可以为负的，在local下可以为正的。只有当Align≥1 time才出现

XS:i:<N>

Alignment score for second-best alignment. 当Align>1 time出现

YS:i:<N>

Alignment score for opposite mate in the paired-end alignment. 当该read是双末端测序中的一条时出现

XN:i:<N>

The number of ambiguous bases in the reference covering this alignment.（推测是指不知道错配发生在哪个位置，推测是针对于插入和缺失，待查证）

XM:i:<N>

错配碱基的数目

XO:i:<N>

The number of gap opens(针对于比对中的插入和缺失)

XG:i:<N>

The number of gap extensions(针对于比对中的插入和缺失)

NM:i:<N>

The edit distance(read string转换成reference string需要的最少核苷酸的edits:插入/缺失/替换)

YF:Z:<S>

该reads被过滤掉的原因。可能为LN(错配数太多，待查证)、NS(read中包含N或者．)、

SC(match bonus低于设定的阈值)、QC(failing quality control，待证)

YT:Z:<S>

值为UU表示不是pair中一部分(单末端？)、CP(是pair且可以完美匹配)

DP(是pair但不能很好的匹配)、UP(是pair但是无法比对到参考序列上)

MD:Z:<S>

比对上的错配碱基的字符串表示

(3)flag取值

0：比对到参考序列的正链上（待求证）

1：是paired-end或mate pair中的一条

2：双末端比对的一条

4：没有比对到参考序列上

8：是paired-end或mate pair中的一条，且无法比对到参考序列上

16：比对到参考序列的负链上

32：双末端reads的另一条（mate）比对到参考序列的负链上

64：这条read是mate 1

128：这条read是mate 2

5，参考文献

mate pair sequencing

paired-end sequencing

bowtie2_manual

SAM and SAMTools

全部行业分类

生物软件

SAM格式-Bowtie2（简要介绍）

本文作者

Ta的圈贴

最新创建圈子

最新话题

SAM格式-Bowtie2（简要介绍）

全部行业分类

生物软件

SAM格式-Bowtie2（简要介绍）

相关推荐：

本文作者

Ta的圈贴

最新创建圈子

最新话题

SAM格式-Bowtie2（简要介绍）