使用pysam操作BAM文件

欢迎关注”生信修炼手册”!

pysam模块对samtools和tabix进行了封装，可以在python程序内部来操作和访问相关的文件，具体地，支持以下4种文件

1. Fasta/Fastq

2. VCF

3. Tabix file

4. BAM/CRAM/SAM

对于samtools的封装，提现在操作bam文件上，既可以通过编程来读取bam文件中的内容，也可以实现samtools的调用；对tabix的封装，体现在利用索引来提取对应区域的record。

1. Fasta和Fastq

Fasta和Fastq，也常称为fastx格式，对于读取而言，pysam提供了以下接口

该接口同时适用于fastq和fasta,只不过对于fasta而言，没有quality和comment属性。

对于有fai索引的fasta文件，还可以通过fetch函数来提取对应region的碱基，此时的读取方式如下

通过对应的属性，可以方便获取染色体名称，长度，个数等属性，fetch通过指定染色体，起始和终止位置来定义region,用法如下

2. VCF

对于VCF文件，可以通过如下方式遍历所有的记录

对于vcf的头文件，可以通过如下方式访问

对于有tbi索引的vcf文件，还可以通过fetch函数来访问特定region的记录，用法如下

3. Tabix

tabix支持对bed, gff, bam, vcf等多种文件建立索引，这里的Tabix的意思是专指对于bed, gff这两种纯文本格式的文件的处理，主要功能是使用fetch来提取对应region的记录，用法如下

4. BAM

对于Bam文件，遍历行的操作如下

同时，还可以通过fetch和pileup两种方式来访问，fetch访问区域的alignment，用法如下

pileup访问基因组每个碱基的比对情况，用法如下

从形式上看，两种方法差不多，但是其返回值为不同Class的对象，可以根据API来访问具体的属性和方法。

除了访问操作，也可以调用samtools的功能，因为pysam是对samtools的封装，所以samtools的子命令在该模块中，可以通过函数形式来调用，用法如下

如果需要对上述几种文件根据指定区域提取子集，或者针对bam文件进行更加个性化的统计处理，可以使用pysam来实现，集成到python开发环境中，实现更加复杂的逻辑处理，会更加的高效。

·end·

—如果喜欢，快分享给你的朋友们吧—

原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！

本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。