sam格式总结

SAM文件一共有12列，第1-11列是固定的内容，第12列是可变的内容。(虽然BAM格式是SAM格式的二进制版本，但SAM的坐标起始位置是1，而BAM格式的坐标起始位置是0)。

BAM格式的一行（用samtools view打开看到的）：

对应的SAM格式中这一行

Note: 虽然BAM格式储存的是0起始的坐标，我们用samtools打开看到的是1起始的。

Note：正常来说，read1和read2应该比对到参考基因组的不同链上。

1，第一列：测序得到的reads的名字（fastq文件第一行的部分），PE测序的read 1和read 2会以同样的名字出现。

2，第二列为整数，解释如下：

1 ： 代表这个序列采用的是PE双端测序

2： 代表这个序列和参考序列完全匹配，没有错配和插入缺失

4： 代表这个序列没有mapping到参考序列上

8： 代表这个序列的另一端序列没有比对到参考序列上，比如这条序列是R1,它对应的R2端序列没有比对到参考序列上

16：代表这个序列比对到参考序列的负链上

32 ：代表这个序列对应的另一端序列比对到参考序列的负链上

64 ： 代表这个序列是R1端序列， read1;

128 : 代表这个序列是R2端序列，read2；

256： 代表这个序列不是主要的比对，一条序列可能比对到参考序列的多个位置，只有一个是首要的比对位置，其他都是次要的

73 = 64+8+1 （R1匹配上，R2没有匹配上）

153 = 128+16+8+1（R2比对到负链接，R1没有匹配上）

97 = 64+32+1 (是R1，R2比对到负链)

99 = 64+32+2+1 （是R1且完全匹配，R2比对到负链）

147 = 128+16+2+1 （是R2且完全匹配到负链）

145 = 128+16+1 （是R2且比对到负链）

81 = 64+16+1（是R1，比对到参考基因组负链）

83 = 64+16+2+1 （R1完全匹配到负链）

161 = 128+32+1（是R2，R1比对到负链）

163 = 128+32+2+1（R2完全匹配，R1比对到负链）

第三列：染色体名字

第四列：比对的起始位置

第五列：比对结果的质量值

. MAPQ: MAPping Quality. It equals −10 log10 Pr{mapping position is wrong}, rounded to the nearest integer. A value 255 indicates that the mapping quality is not available.

第六列：详细比对信息

第七列：read 2的比对信息。一般是*（代表没有这个信息）或者=（代表跟read1比对到同一个染色体上）。

比对结果中，read1和read2会相互记录对方的信息，下面是一个比对结果的例子：
read1：

read2:

第八列：在第七列是=的情况下，这里的整数为read 2比对位置在染色体上的起始位置。其他情况下，这里标记为0。

第九列：带符号的插入片段的长度。大部分情况下，该列的值表示第8列减去第4列加上第6列的值（有soft-clipped bases时额外考虑）。在该信息缺失情况下用0表示。

计算方法如下图（目前采用TLEN#2）：

Note：如果read1或者read2在更靠近参考基因组左边（位置坐标值小），则它是负的值，反之则为正值。

第十列：比对上的位置处参考基因组的序列。如果某条reads跟参考基因组一样，则储存它本身，如果跟参考基因组的互补链一样，则储存它的互补链（有突变之类的情况单独考虑）。

比对后bam文件储存的序列信息：

read1的 fastq序列：

read2的 fastq序列：

第十一列：每一个碱基的测序质量值信息

第十二列：

Reference

https://blog.csdn.net/weixin_34124577/article/details/92403854
https://blog.csdn.net/sinat_32872729/article/details/104857278