samtools的使用笔记

简介

由于二代测序中普遍采取短读长（50~150bp）的测序策略，在后续分析的流程中需要使用比对软件将reads片段匹配到参考基因组中从而产生比对/匹配文件，进而用于后续流程的分析。

Samtools是一个用来处理SAM/BAM（SAM的二进制格式，用于压缩空间）格式的比对文件的工具，它能够输入和输出SAM（sequence alignment/map：序列比对）格式的文件，对其进行排序、合并、建立索引等处理。

常用命令

1. view
   将sam文件转换成bam文件；然后对bam文件进行数据的排序(不属于本命令的功能)和提取(这些操作是对bam文件进行的，因而当输入为sam文件的时候，不能进行该操作)等操作；最后将排序或提取得到的数据输出为bam或sam（默认的）格式。
   bam文件优点：占用的磁盘空间小，二进制文件的运算速度快

   $ samtools view -b abc.sam > abc.bam
   

2. sort

   对bam文件排序

   $ samtools sort [-n] [-m <maxMem>] <in.bam> <out.prefix>  
   	-m 参数默认下是 500,000,000 即500M（不支持K，M，G等缩写）。对于处理大数据时，如果内存够用，则设置大点的值，以节约时间。
   	-n 设定排序方式按short reads的ID排序。默认下是按序列在fasta文件中的顺序（即header）和序列从左往右的位点排序。
   

3. merge

   将多个已经sort的bam融合成一个bam

   $ samtools merge [out.bam][in1.bam][in2.bam][in3.bam]
   

4. index

   需要对bam文件进行排序后，才能进行index。本命令对bam文件建立索引并产生后缀为.bai的文件，用于快速的随机处理。

   $ samtools index aln.sorted.bam
   

5. faidx
   本命令对fasta文件建立索引并产生后缀为.fai的文件，用于快速的随机处理。

   $ samtools faidx <in.bam> [ [...]]
   

6. fastq

   将bam文件转换为fastq或fasta格式。

   $ samtools fastq [options...] <in.bam>