sam/bam 文件格式处理

一、sam/bam 文件介绍

SAM 文件格式（Sequence Alignment Map Format）是高通量测序分析当中最重要的文件格式之一。将测序数据（fastq 格式）与参考序列（fasta 格式）进行比对，就会生成 sam 格式。sam 格式文件中包含了全部的测序数据信息，参考序列信息，以及二者比对的全部细节信息。在基因组拼接，变异检测，RNAseq 等等分析当中都需要使用到 sam 格式。

bam 格式是 sam 格式的二进制模式，并进行压缩。二者的内容相同。sam 是文本格式，可以直接使用文本查看命令 less，cat 直接查看。而 bam 是二进制模式，不能使用 less，cat查看。使用 bam 的原因主要是减小存储，另外，二进制格式不容易被修改。在实际使用过程中主要是使用排序后的 bam 格式。

SAM 文件是一种列表格式的结构，包括头部注释部分和比对结果部分。序列比对需要记录reads 比对到基因组上的信息，包括哪一条 reads，比对到哪条基因组上的哪个位置，是一对一比对还是一对多比对，有无错配，错配是怎样的。因此就需要包含很多列的信息，

samtools 说明文档：http://www.htslib.org/doc/samtools.html

Sam 格式详解手册：http://samtools.github.io/hts-specs/SAMv1.pdf

Sam 格式相关文献：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2723002/

Sam 格式的 wiki 介绍：https://davetang.org/wiki/tiki-index.php?page=SAM

二、利用 stools 处理 Sam 文件

比对得到 sam 之后，一般无法直接使用，绝大部分的软件都需要使用 bam 格式。bam 是 sam的二进制格式，二进制的好处是使用效率更高，占用存储更少。sam 一般都需要通过转换bam，排序，建立索引三个基础步骤。能够处理 sam 格式的软件有很多，例如 samtools，bamtools，picardtools 等。

sam/bam 文件处理

samtools 顾名思义，是处理 sam 格式的工具合集。samtools 主要包含以下几大功能：

Indexing 建立索引，
Editing 编辑文件，
File operations，
Statistics，统计相关功能；
Viewing，查看；

#安装
mamba install -y samtools=1.14
mamba install -y bamtools
#查看文件路径
which samtools
#查看选项
samtools

写在最后：有时间我们会努力更新的。大家互动交流可以前去论坛，地址在下面，复制去浏览器即可访问，弥补下公众号没有留言功能的缺憾。原地址暂未启用（bioinfoer.com）。

sx.voiceclouds.cn

有些板块也可以预设为大家日常趣事的分享等，欢迎大家来提建议。