踩坑日记|bam文件转为fastq文件

这是第二篇踩坑日记，这个系列用来记录在 Python 和 R 学习过程中遇到的问题和结果。今天介绍的是将bam文件转换为fastq文件使用的一些工具和工具使用过程中发现的问题。希望可以帮助到大家，也希望大家可以给出建议，欢迎留言交流。

在写宏基因组分析流程的过程中，去宿主后需要将bam文件转换为fastq文件，以便进行后续的分析。但是在在使用一些生信主流工具进行文件格式转换过程中，发现了一些问题，分享出来解决办法（更确切地说是绕过这些问题），和大家相互学习讨论。

bedtools

在尝试过程中，先使用了bedtools，bedtools工具中的bamtofastq命令进行 bam 文件转换为 fastq 文件，可以对单端比对的生成的 bam 和双端比对生成的 bam 进行转换，详细使用方法和参数见bamtofastq 官方文档

双端：

samtools sort -n -o aln.qsort.bam aln.bam

bedtools bamtofastq -i aln.qsort.bam -fq aln.end1.fq  -fq2 aln.end2.fq

单端：

bedtools bamtofastq -i aln.bam -fq aln.fq

坑呢，就出现在这个地方。在使用bedtools bamtofastq工具进行单端比对的 bam2fastq 过程中， 输出的 fastq 文件会两次输出同一条序列，导致转换后的 fastq 序列数是实际的两倍。具体原因查了好久都没有查到，而且没有可选的参数（希望有牛掰的大佬可以帮忙解释一下这是啥原因形成的）。

（上图中，图一为 bam 文件，图二为转换后的 fastq 文件）

bedtools bamtofastq 可选参数：

命令行

刚开始没有发现用 samtools 将单端比对的 bam 文件转换为 fastq 的方法，就写了一条 linux 命令解决上面的问题。

samtools view in_pos.bam | egrep -v '^@' | awk '{if($3 == "*") print "@"$1"\n"$10"\n" "+" "\n"$11}' > single.fq

samtools 工具

samtools工具使用fastq命令进行 bam 文件转换为 fastq 文件，并且可以将单端比对、双端比对的 bam 文件转换为 fastq 文件，使用方法和参数见samtools-fasta 官方文档

双端

# 通过samtools collat​​e 或 samtools sort -n 命令对bam文件排序
samtools collate -u -O in_pos.bam | samtools fastq -1 paired1.fq -2 paired2.fq -0 /dev/null -s /dev/null -n

#若bam文件已经排过序
samtools fastq in_pos.bam -1 paired1.fq -2 paired2.fq -0 /dev/null -s /dev/null -n

单端

samtools fastq in_pos.bam > single.fq

单端情况下只能进行重定向输出，在查找的过程中没有找到有教程写这个方法，不清楚是因为大家没有单端比对的 bam2fastq 需求，还是说这种方法有缺陷。

samtools fastq 可选参数：

好了，今天的踩坑日记就到这里了，其它实现 bam2fastq 工具（例如：Picard、GATK、Biopython）没有做过尝试，大家尝试一下发现的坑，可以留言交流一下。

本文由 mdnice 多平台发布