sam格式的结构和意义_sam格式详细说明

The SAM Format Specification(sam格式说明)

1 The SAM Format Specification

sam是一种序列比对后的输出格式，以tab作为分隔符，包括头部信息和比对信息。其中头部信息必须在比对信息之前。头部信息的开头是@，但是比对行不是。每一个比对行有11个重要的比对信息元素，如果比对位置和校准信息等。

1.1 An example

FCC0YG3ACXX:2:1103:1572:139769#GCTTAATG 99 chr10 60001 0 90M = 60390 479 GAATTCCTTGAGGCCTAAATGCATCGGGGTGCTCTGGTTTTGTTGTTGTTATTTCTGAATGACATTTACTTTGGTGCTCTTTATTTTGCG CCCFFFFFHHHHHJJJJJJJJIJJJJJJJ?HHGIJJJBFHIJIJIDHIHIEHJJIJJIJJJHHGHHHFFFFFFEDCEEECCDDDDEECDD XT:A:R NM:i:0 SM:i:0 AM:i:0 X0:i:2 X1:i:0 XM:i:0 XO:i:0 XG:i:0 MD:Z:90 XA:Z:chr18,+14415,90M,0; RG:Z:120618_I245_FCC0YG3ACXX_L2_SZAXPI010030-30

1.2 Terminologies and Concepts

1-based coordinate system

从1开始数， SAM, GFF and Wiggle 用的是这个。

0-based coordinate system

从0开始数， BAM, BED, and PSL用的是这个。

Phred scale

给一个概率0 < p <= 1 , 值是一个 −10log10p，要做一个四舍五入

1.3 The header section

每个标题行以字符“@”开头，后面是两个字母的记录类型代码。在标题中，每一行都是由制表符分隔的，除了@CO行，每个数据字段都遵循格式“TAG:VALUE”，其中TAG是一个两个字母的字符串，定义了内容和值的格式。每个标题行应该匹配:/ ^ @[A-Za-z][A-Za-z](\ t[A-Za-z][A-Za-z0-9]:[- ~]+)+ $ /或/ ^ @CO \ t。* /。包含小写字母的标记保留给最终用户。

下表给出了定义的记录类型和标记。当记录类型出现时，需要带有“*”的标记。

TagDescription

@HD

首行，输出文件的第一行

VN*

格式版本，接受的格式：/^[0-9]+.[0-9]+$/

SO

比对排序，有unknown (default), unsorted, queryname and coordinate,对于coordinate，排序的主键是RNAME，其顺序由标题中的@SQ行顺序定义，次要排序键是POS字段。对于RNAME和POS相等的对齐，顺序是任意的。在RNAME字段中，所有带有“*”的对齐都跟随带有其他值的对齐，但是其他的对齐顺序是任意的。

TagDescription

@SQ

参考