SAM格式

标头注释部分

标头信息可有可无，都是以@开头，用不同的tag表示不同的信息，主要有:

@HD，说明符合标准的版本、对比序列的排列顺序（这里unsorted）

@SQ，参考序列说明 （SN:gi|10141003|gb|AF086833.2|）

@PG，使用的比对程序说明（这里是bowtie2）

LN 是参考序列的长度

比对结果部分

第一列: Query Name (QNAME)
一列代表着比对片段的（template）的编号
如 SRR957678.4325620

第二列：FLAG
在 SAM 格式中，当 flag 为 1，也即对应的二进制为 01 时，表示该 read 有多个测序数据 ， 一般理解为有双端测序数据 (另一条没被过滤掉)， 而 flag 为 2， 也即二进制 10 时， 表示这条 read 的多个片断都有比对结果， 通常理解为双端 reads 都比对上了， 那么就可以推断出 flag 为 3 时， 也即二进制的 11， 表示该 read 有另一端的 read 并且比对成功， 可以看到， 其实就是 01 加 10。


这个网站可以直接通过输入你所得的标记数字，直接告诉其对应的信息：https://broadinstitute.github.io/picard/explain-flags.html

第三列： Reference Name (RNAME)
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*

第四列： Position (POS)
比对上的位置

第五列：Mapping Quality (MAPQ)
比对的质量；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准确

第六列：Compact Idiosyncratic Gapped Alignment Representation (CIGAR)
CIGAR 代表着简要比对信息表达式，其以参考序列为基础，使用数字加字母表示比对结果。 例如 3S6M1P1I4M

前三个碱基被剪切去除了，然后6个比对上了，然后打开了一 个缺口，有一个碱基插入，最后是4个比对上了。

M—对比上
S----被剪切去除，S”表示 soft clipping（被剪切的序列存在于序列中）
P—打开了缺口
I—插入碱基
N”表示 skipped（跳过这段区域）

第七列：MRNM(chr)
下一个片段比对上的参考序列的编号，没有另外的片段，这里是’*‘，同一个片段，用’=‘；下图时对比上的

第八列：mate position
下一个片段比对上的位置，如果不可用，此处为0

详见：https://mp.weixin.qq.com/s?__biz=MzUzMTEwODk0Ng==&mid=2247484317&idx=1&sn=e6b374d36543bb771ae0ff82663c0217&scene=21#wechat_redirect