项目场景:
sam文件是通过hisat2,bowtie2或者bwa将rawdata进行比对后得到的包含比对信息的数据格式。经过samtools处理后得到的bam文件经常用于后续分析,比如RNA-seq分析时,可以统计序列的插入片段也可以做后续定量,WGS流程里比对后生产的bam文件也可以去冗余获取snp位点。
问题描述
在RNA-seq分析流程中,数据完成比对,并经过samtools转换成bam文件后,准备调用picard进行insert size统计时发生报错。
最主要的问题还是这句话。
Cannot add sequence that already exists in SAMSequenceDictionary: 1
原因分析:
根据报错直译,应该是里面跟序列相关的标记(1)重复导致的报错,检查了一下,发现是自己这个项目用的参考基因组是合并的。关键点在于,两个参考基因组的序列名称虽然不同,但是命名都是1开头,基因组建库的时候命名不统计空格之后的信息,因此导致参考序列命名重复。
只录入了“1”,而没有后续的长度,深度信息。
我也是在论坛看到解决的回答之后才发现这个问题,论坛链接
解决方案:
调整参考基因组命名后重新比对,在本案例中没有处理这个问题。欢迎大家加VX:bbplayer2021 (木青)进群交流,备注 申请加入生信交流群。