bam/sam文件格式小解（记录向）

  这是一张自己截的sam文件图，bam文件是sam的二进制格式。

  仅供参考。
  sam文件一般比较大，读取sam文件在linux可以直接samtools view .sam，在windows下可以用LogView，也可以其他的读取程序
  第一行可以看到是15号染色体，参考序列长度信息，不用管。
  第二行显示比对工具和比对命令，也不用管。
  从第三行开始正文，每一行代表一个read的匹配信息。可以看到前两行名字（第一列）一样，代表它们是一对read。每一列的格式信息官方解释如下：

  看不懂，大致解释如下：
  第一列（QNAME），read名。
  第二列（FLAG），每一个flag数字都可以拆分成1，2，4，8，16…这些2的幂值的和，比如例图中83 = 1 + 2 + 16 + 64，163 = 1 + 2 + 32 +128，而且每个数字的组合方式是唯一的，能拆分出某个数就代表这条read具有某种属性，以下是每个幂值代表的意思：
  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
  512： 代表这个序列在QC时失败了，被过滤不掉了
  1024: 代表这个序列是PCR重复序列
  2048: 代表这个序列是补充的比对
  用Flag值和某个幂值进行按位与运算，如果得到幂值本身，表明具有这个属性，如果得到0，表明不具有。
  第三列（RNAME），参考序列的名字。
  第四列（POS），这个read在参考序列匹配的开始位点，不论这个read匹配在正链还是负链，这个位点都是代表最左端的位置，比如一条read长度为150，匹配在66580-66730，这个位点就是66580。
  第五列（MAPQ），代表这条read的匹配质量分数，分数越高，表明这条read在参考序列的比对位置越唯一。MAPQ = -10lg(错误率)，计算是这样计算的，但还没去验证。如果是0，代表未匹配，如果是255，代表这个匹配结果不可用。
  第六列（CIGAR），CIGAR字段，由若干个“数字+字母”的形式组成，如例图中第四个read，由9S和141M组成，表明这个read前9个碱基被软剪切，后面141个碱基匹配上，是按前后顺序排列的。数字加起来为read长度，各个字母代表的含义如下：
  M：我一般认为匹配。
  I：有插入碱基。
  D：有碱基缺失。
  N：跳过区域。
  S：soft-clip，剪切掉的序列，被剪掉的还在序列当中。
  H：hard-clip，被剪掉的序列不在序列中。
  P：填充，没见过。
  =：序列匹配上参考序列。
  X：未匹配得上。
  第七列（RNEXT），如果是双端读数的话，第七列表示当前读数的配对读数所匹配的位点，如果跟当前读对匹配在同一染色体，则此处为“=”，如果是*，表示未匹配。
  第八列（PNEXT），配对读数的匹配位点。
  第九列（TLEN)，DNA片段大小，这样的说法不太准确，我理解中的DNA片段大小等于insert size，但这一列的数值是insert size去掉两个读数长度之后的长度，也就是右读数最左端位点减去左读数最右端位点，位于两个读数中间的片段大小即为第九列数值。此列数值有正负，正负号取决于本条read在其配对read前还是在其后，如果在前则为正值，反之则为负值。
  第十列（SEQ），read本身序列信息。
  第十一列（QUAL），序列的质量信息，与第十列的碱基一一对应，计算方法自行百度，与fastQ文件序列质量计算大致相同。
  第十二列是补充信息，以下信息来自别的博文，仅供参考。大概长这个样子：

  AS:i 匹配的得分
  XS:i 第二好的匹配的得分
  YS:i mate 序列匹配的得分
  XN:i 在参考序列上模糊碱基的个数
  XM:i 错配的个数
  XO:i gap open的个数
  XG:i gap 延伸的个数
  NM:i 经过编辑的序列
  YF:i 说明为什么这个序列被过滤的字符串
  YT:Z
  MD:Z? 代表序列和参考序列错配的字符串
  没有用过，我也不懂。。。

介绍完毕。
如果以上内容有什么错误或者构成侵权，欢迎联系我及时删除，感谢。