bam文件急速depth计算工具

WGS, exome, or targeted sequencing的数据分析的时候，经常需要计算全基因组整体的平均测序深度或者 target 区域的测序深度的分布情况以考察试剂盒的捕获效率。

通常samtools depth调用的是pileup的API来计算每个base的 depth，这个工具其实运算速度挺慢的，因为对于每条read都要遍历每个碱基。

我几年前开发了这个工具，在合理增加内存使用量的情况下，极大地加速了这项分析的性能。原理其实很简单，先来看图。

我们将每条read的start坐标作为key，其出现的次数作为value，存入哈希hashStart；每条read的end坐标作为key，其出现的次数作为value，存入哈希hashEnd，如果在哈希中出现过这个key，则在其value值累加1，如果没有出现过这个key，则value为1。

然后将hashStart 和 hashEnd的所有keys 合并到一个集合UnionSet，并按坐标顺序排序。然后逐一遍历UnionSet的每个key，如果hashStart中出现了这个key 则depth 加上对应的value，如果hashEnd中出现了这个key，则depth 减去对应的value。

我们对sorted bam文件按每条染色体逐条处理。就可以计算出每条染色体的depth分布情况了。

对于WES或者target Sequencing的数据，则只需要 将targetRegion.bed与以上计算出来的depth.bed取overlap，就可得到target区域的 depth分布情况了，这样还能统计 off-target的depth或者percentage分布。

受别人的项目启发（ https://github.com/brentp/mosdepth ），再不开源，别人还以为是他自己的原创了。这个工具（或相似工具）本早在三四年前就已实现，现本人已将此工具开源，欢迎star

https://github.com/xiongxu/bam2bedGraph2