SAM/BAM文件格式

SAM–Sequence Alignment/Map 文件格式

SAM文件是TAB制表符分隔的文件，BAM文件是其对应的二进制文件。主要分为两部分，刚开始是@开头的header行，里面包含有各种meta信息。接下来的是比对结果部分，每一行是有11列的比对信息，是我们最需要关注的部分。

各列所代表的信息(以下截图非特殊说明，都来自参考的pdf文件中)

第一列：QNAME-- Query template NAME这个很直白，就是query的片段的名称编号，对应测序fastq数据中reads的名称。
第二列：FLAG-- bitwise FLAG标签，用二进制的方法表征比对的结果。如果是以下一种或几种情况同时出现，那么对应的首列的数字的和是你在sam文件中第二列看到的数字。比如83=64+16+2+1，就说明该reads比对上了参考基因组，同时有双端两条序列都比对上，而且当前片段反向比对到参考基因组上。
第三列：RNAME-- Reference sequence NAME参考基因组对应的染色体或contig、scaffold的名称。如果*，则表示没有比对上结果。
第四列：POS-- 1-based leftmost mapping POSition片段最左端mapping到参考基因组上的位置，从1开始计数。如果为0，则表示没有比对上。
第五列：MAPQ-- MAPping Quality比对分数， −10 log10 Pr{mapping position is wrong}–比对位置为错的概率的以十为底的对数变换。根据这个公式，也可以知道值越大说明比对错的概率越低。
第六列：CIGAR-- CIGAR string代表Concise Idiosyncratic Gapped Alignment Report的缩写。首先有以下分别表征不同意思的字母。多数意思还是很容易懂的，比如序列比对、插入和缺失以及跳过该片段。文档中提到了 Sum of lengths of the M/I/S/=/X operations shall equal the length of SEQ。
下面我们举两个例子。比如251M，表示完全match的alignment。再比如30M3D126M3D58M37S，稍微复杂一些，表示这段reads中，从前往后依次是30bp的match+3bp的缺失+126bp的match+3bp的缺失+58bp的Match+27bp的soft clipping。
关于S和H引用来自孟浩巍在zhihu上的图（原引用链接已经失效了）。可以看到在比对时，片段中仅有部分比对到参考序列。不同的是，软连接最终会在后面的序列中保留对应的序列，而硬连接会在后面的序列中直接删掉该片段。引用对应内容的评论中媛子的解释“Hard Clip存在的本意，是减少BAM文件序列的冗余度，比如有一条read，它能比对到A，B两个地方，在A地方，是60M90S，在B地方是60H90M，此时一条read其实已经在A位置有了完整的序列信息，在B位置的信息其实是冗余的，所以在B位置可以引入Hard Clip这样一个标记形式，就能把B位置的序列标记为secondary。”

第七列：RNEXT-- Reference name of the mate/next read下一个读段比对上的参考序列的名字。如果在header中存在@SQ对应的信息，那么在该位置，“=”表示前后是位于同一个片段，“*”表示没有对应的片段信息。
第八列：PNEXT-- Position of the mate/next read下一个片段比对上的位置，如果没有相关信息则为0。
第九列：TLEN-- observed Template LENgth如果所有读段都映射到对应的参考序列，则TLEN的绝对值等于模板序列的映射末端与模板序列的映射起始点（包括两端）之间的距离（end-start+1）。需要注意的是比对上的碱基不包括sof-clipped碱基。读段比对到模板的最左段起始，TLEN字段为正，如果比对到于最右段起始，其实就是反义链，TLEN字段为负。如果两端比对的起始位置相同，那么任意分配正负号。如果只有单链，则值为0。并且任何中间段的正负号是均未定义的。
第十列：SEQ-- segment SEQuence如果是*则表明该序列没有存储，否则会有对应的序列片段，长度 和CIGAR中的M/I/S/=/X是对应的。
第十一列：QUAL-- ASCII of Phred-scaled base QUALity+33测序的phred-scaled score。
后面的列：部分软件会添加一些信息在里面。

参考：
https://github.com/samtools/hts-specs/目录下的SAMv1.pdf
https://zhuanlan.zhihu.com/p/35574870
https://mp.weixin.qq.com/s?__biz=MzUzMTEwODk0Ng==&mid=2247484317&idx=1&sn=e6b374d36543bb771ae0ff82663c0217&scene=21#wechat_redirect

如果感兴趣可以关注下公众号，从今天开始想慢慢记录下自己的积累，一点一滴，聚沙成塔！国庆中秋双节快乐~