【bioinfo】samtools stats 输出结果解读

已于 2024-03-20 14:56:14 修改
阅读量5.6k 收藏 11
点赞数 2
分类专栏： bioinfo 笔记 文章标签： bioinfo samtools
于 2022-07-15 19:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_32872729/article/details/111604424
版权

参考：samtools stats

# sam or bam input
$ samtools stats test.sam > test_sam_stat.txt

下图为示例统计的SN关键字部分：
在这里插入图片描述

统计结果中包含的信息有：

关键字官方解释说明
CHKChecksum校验和
SNSummary numbers摘要编号
FFQFirst fragment qualitiesRead1片段质量
LFQLast fragment qualitiesRead2片段质量
GCFGC content of first fragmentsRead1的GC含量
GCLGC content of last fragmentsRead2的GC含量
GCCACGT content per cycle每个cycle的ACGT含量
FBCACGT content per cycle for first fragments onlyRead1片段每个cycle的ACGT含量
FTCACGT raw counters for first fragmentsRead1片段, ACGT的原始计数
LBCACGT content per cycle for last fragments onlyRead2片段每个cycle的ACGT含量
LTCACGT raw counters for last fragmentsRead2片段, ACGT的原始计数
BCCACGT content per cycle for BC barcodeBC Barcode每个周期的ACGT含量
CRCACGT content per cycle for CR barcodeCR Barcode每个周期的ACGT含量
OXCACGT content per cycle for OX barcodeOX Barcode每个周期的ACGT含量
RXCACGT content per cycle for RX barcodeRX Barcode每个周期的ACGT内容
QTQQuality distribution for BC barcodeBC Barcod的质量分布
CYQQuality distribution for CR barcodeCR Barcod的质量分布
BZQQuality distribution for OX barcodeOX Barcod的质量分布
QXQQuality distribution for RX barcodeRX Barcod的质量分布
ISInsert sizes插入片段大小
RLRead lengthsread长度
FRLRead lengths for first fragments only只有Read1的长度
LRLRead lengths for last fragments only只有Read2的长度
IDIndel size distributionIndel大小分布
ICIndels per cycle每个周期的Indels
COVCoverage (depth) distribution覆盖范围（深度）分布
GCDGC-depthGC深度

SN关键字信息说明（使用 grep ^SN | cut -f 2- 提取信息）： samtools版本v1.6

KeyValueNOTEidx说明
raw total sequences:7693458(1)原始序列数
filtered sequences:0(2)过滤掉的序列数
sequences:7693458(3)序列数, 同(1)
is sorted:1(4)是否排序， 1是,0否
1st fragments:3876581(5)R1片段数
last fragments:3816877(6)R2片段数
reads mapped:6590466(7)比对上的reads数
reads mapped and paired:5329118# paired-end technology bit set + both mates mapped(8)比对上，且是成对的reads数
reads unmapped:1102992(9)未比对上的reads数
reads properly paired:4719116# proper-pair bit set(10)成对比上也位置合适的序列（比对的位置是接近的？）
reads paired:7693458# paired-end technology bit set(11)成对的read数（技术上）
reads duplicated:0# PCR or optical duplicate bit set(12)PCR或光学重复reads数
reads MQ0:63803# mapped and MQ=0(13)比对质量是0的reads数
reads QC failed:0(14)质量失败的reads数
non-primary alignments:266109(15)非首次比对的reads数
total length:1111705142# ignores clipping(16)总长度（忽略截断）
bases mapped:952346426# ignores clipping(17)比对上的碱基数（忽略截断）
bases mapped (cigar):921111215# more accurate(18)来自Cigar的比对上的碱基数（更精确）
bases trimmed:0(19)去掉的碱基数
bases duplicated:0(20)重复的碱基数
mismatches:1822453# from NM fields(21)错配数（来自NM）
error rate:1.98E-03# mismatches / bases mapped (cigar)(22)错误率（错配数/比对上的总碱基数）
average length:144(23)平均长度
maximum length:150(24)最大长度
average quality:36.1(25)平均碱基质量
insert size average:845.9(26)插入片段长度
insert size standard deviation:1597.6(27)插入片段长度标准差
inward oriented pairs:2014285(28)？向内成对
outward oriented pairs:72676(29)？向外成对
pairs with other orientation:178825(30)其他方向
pairs on different chromosomes:2562(31)成对，比对在不同染色体上

上述示例信息是使用samtools v1.6 统计，发现与samtools v1.2结果有差异。

samtools flagstat统计使用v1.6和v1.2没有差异：
在这里插入图片描述 在这里插入图片描述

key对应SN
0 in total (QC-passed reads + QC-failed reads)v1.2 (1)
0 secondaryv1.2/v1.6 (15)
0 supplementary补充比对reads数
0 duplicatesv1.2/v1.6 (12)
0 mapped (86.14% : N/A)v1.2 (7)
0 paired in sequencingv1.6 (1)
0 read1v1.6 (5)
0 read2v1.6 (6)
0 properly paired (61.34% : N/A)v1.6 (10)
0 with itself and mate mappedv1.6 (8)
0 singletons (16.40% : N/A)?
0 with mate mapped to a different chrv1.6 (31) * 2
0 with mate mapped to a different chr (mapQ>=5)比对到不同染色体且比对质量值>5

一些问题：

【1】输入的bam/sam文件是PE，SN中的raw total sequences为什么是奇数，R1和R2的总和应该是偶数？

【2】官网samtools stats中对raw total sequences解释是：
在这里插入图片描述
就是说，统计的是：输入文件中 除了supplementary和secondary比对的reads，其他read数目。并且和samtools这个命令输出的是相同的：samtools view -c -F 0x900。

但是，在用samtools v1.2测试时，输出的raw total sequences的值和这个命令输出的reads数不同。且经过使用脚本自己统计read数，使用这个命令（samtools view -c -F 0x900）的结果是一致的。

import pysam

def cntbam(bam):
    total_cnt = 0  # total read
    bmrd = pysam.AlignmentFile(bam)
    for rec in bmrd:
        if rec.is_unmapped:
            total_cnt += 1
            continue
            
        if 'H' in rec.cigarstring:
            continue
        if rec.is_secondary:
            continue
        if rec.is_supplementary:
            print('#sup\t%s' % rec.query_name)
            continue

        total_cnt += 1
    return total_cnt

print(cntbam(inbam))

pysam常用属性可参考笔者的另一篇博客：使用pysam读取sam/vcf/fasta文件时的常用属性

[samtools] idxstats bedcov faidx命令简介
睿智如水
11-27 7132
samtools idxstats命令功能简介：         检索和打印已建立索引的bam文件的统计数据，包括参考序列名称、序列长度、比对上的read数量和未比对上的read数量。输出结果显示在屏幕上，以制表符分割。         命令格式：         samtools idxstats           如下图所示:         samtools bedcov命令
Samtools手册中文版
最新发布
2302_80012625的博客
10-12 1922
软件手册：Samtools 手册翻译Samtools 是一个用于处理和分析 SAM（Sequence Alignment/Map）和 BAM（Binary Alignment/Map）格式文件的工具集。它提供了多种命令用于序列比对、格式转换、索引创建和统计分析等。
[samtools]flagstat命令简介
睿智如水
11-29 2万+
samtools flagstat命令简介：         统计输入文件的相关数据并将这些数据输出至屏幕显示。每一项统计数据都由两部分组成，分别是QC pass和QC failed，表示通过QC的reads数据量和未通过QC的reads数量。以“PASS + FAILED”格式显示。还可以根据samtools的标志位显示相应的内容，但是这里不做讨论。         命令格式：      
samtools flagstat命令简介
hs6605015的博客
10-03 2315
samtools flagstat命令简介： 统计输入文件的相关数据并将这些数据输出至屏幕显示。每一项统计数据都由两部分组成，分别是QC pass和QC failed，表示通过QC的reads数据量和未通过QC的reads数量。以“PASS + FAILED”格式显示。还可以根据samtools的标志位显示相应的内容，但是这里不做讨论。 命令格式： samtools flagstat <in.bam> |<in.sam> | <in.cram>
samtools 学习记录
鱼子的博客
07-18 1678
SAMtools不仅仅用来call snp。从samtools的软件名就能看出，是对SAM格式文件进行操作的工作，比如讲sam转成bam格式，index，rmdup等等。samtools结合linux命令比如grep，awk和SAM格式描述的flag，tag，亦是非常非常非常强大，比如根据flag过滤duplicate的reads，根据XA tag过滤multiple hit的reads。本文
samtools flagstat 统计结果的理解
小猪打呼噜
10-13 3197
14608455 + 0 in total (QC-passed reads + QC-failed reads) ## reads总数 37967 + 0 secondary ##出现比对到参考基因组多个位置的reads数 0 + 0 supplementary ##可能存在嵌合的reads 0 + 0 duplicates ##重复的reads数 14590894.
MATLAB生物信息学应用：多维数据背后的遗传奥秘（解读生命密码）
!...多维数据背后的遗传奥秘（解读生命密码）]...# 1. MATLAB生物信息学简介与环境搭建 ## 1.1 生物信息学的概览 生物信息学是利用信息
MATLAB高通量测序数据分析：实践指南与案例研究
!......# 1. MATLAB在高通量测序数据处理中的作用 MATLAB（Matrix Laboratory的缩写）作为一种高性能的数值计算
bam 可视化：samtools tview 详细解释
qq_28723681的博客
09-27 1万+
bam可视化软件大家可能熟悉的是IGV，然而，IGV对于大多数linux用户来说并不友好，而samtools tview可以很好满足该需求。 话不多说直接上命令行： samtools tview -p chr1:3128088 NA12878.bam hg38.fasta -p 指定染色体的位置，tview从指定的位置开始显示 NA12878.bam 比对结果bam文件,需要构建索引（NA12878.bam.bai） hg38.fasta 比对时使用的fasta文件，如果不提供则第一行会显示为N. 需要
samtools flags 的含义
weixin_34392843的博客
04-27 824
对于双端比对的数据，生成的BAM文件中，R1端序列和R2端序列的标识符是一样的，之前一直不知道如何根据bam文件区分哪条序列是R1端，哪条序列是R2端，昨天仔细研究了一下，原来代表R1端和R2端的信息都存储在flag中，即bam文件的第二列； 在bam文件格式中定义了各种flag代表的意思 /*! @abstract the read is paired in sequencing, no...
合并samtools idxstats结果
weixin_42480153的博客
10-14 345
setwd("/mnt/mzy/dairycow/24samples/mappingrate/binsuper") fileNames <- read.table("list") read.table("117.DNA.abd")->first first[,-(3:4)]->first colnames(first)<-c("genome","genomelength") for (i in 1:dim(fileNames)[1]){ read.table(paste(file.
samtools用法详解
sunchengquan的博客
12-21 1万+
文章目录下载安装测试数据命令详解dictfaidxindexreheaderrmdupcatmergempileup查看参数mpileup生成的结果有参考序列的pileup使用生成一个简单的vcf文件sort查看用法主要参数释义：splitfastqfastabedcovdepthflagstatidxstatsstatsflagstviewviewbam文件转换为sam文件sam文件转换为bam...
Samtools详解
小猪打呼噜
10-29 1万+
序列比对 如今序列比对已成为各种生物学分析中不可缺少的重要环节，通过将未知的基因片段与已知具体信息的基因或基因组进行比较，并分析其中的相同部分与差异部分，就可以得到该基因片段SNP位点、所属物种以及可能具有的生物学功能等重要信息。 sam与bam 格式 sam与bam是两种最常用的比对结果输出文件格式，如转录组Tophat分析软件输出的比对结果为.bam文件，而BWA、bowtie等比对软件...
samtools 序列比对率计算（samtools flagstat）
wt141643的博客
04-29 7276
准备序列比对后生成的 bam 文件或者 .sam 文件 samtools flagstat .bam文件 > flagstat.tax 结果解释 从第一行至第十一行分别表示： QC pass的reads的数量为2499971，未通过QC的reads数量为0，意味着一共有2499971条reads； 重复reads的数量，QC pass和failed 比对到参考基因组上的read...
[samtools]view命令简介
热门推荐
睿智如水
11-11 4万+
Samtools，虽然叫做samtools，但是其在人重分析中操作的对象主要是BAM文件，有点名不副实啊。现在每天记录一点samtools的命令。 samtools view [options] in.sam | in.bam | in.cram [region...] 这条命令将输入文件转换成输出文件，如果没有指定option和region选项，则会在屏幕中显示sam格式的文件。 在没有指
samtools常用命令详解
luobailian的专栏
12-15 3万+
samtools常用命令详解 http://www.plob.org/2014/01/26/7112.html 1. view view命令的主要功能是：将sam文件转换成bam文件；然后对bam文件进行各种操作，比如数据的排序(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)；最后将排序或提取得到的数据输出为bam
2019/2/20_*.bam 与 *.sam文件中的flag的含义和统计结果
super_qun的博客
02-21 5862
*.sam文件的含义和统计结果 *.sam文件的flag信息 在sam的信息中，有着重要的信息。包括注释信息部分（header section）和比对结果部分（aligment section）。其中注释信息部分以@开头。如图。 比对结果： 比对结果每行对应一个片段。每列是一个字段。如有片段是如下格式： D80KHJN1:237:C5HMKACXX:5:1101:1634:1982 147 ...
samtools使用大全
宁生信
06-08 3万+
samtools是一个用于操作sam和bam文件（通常是短序列比对工具如bwa,bowtie2,hisat2,tophat2等等产生的，具体格式可以在消息框输入“SAM”查看）的工具合集，包含有许多命令。以下是常用命令的介绍。 1.View view命令的主要功能是：将sam文件与bam文件互换；然后对bam文件进行各种操作，比如数据的排序(sort)和提取(这些操作 是对bam文
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值