sam/bam 文件格式处理

生信喵

一、sam/bam 文件介绍
       SAM 文件格式（Sequence Alignment Map Format）是高通量测序分析当中最重要的文件格式之一。将测序数据（fastq 格式）与参考序列（fasta 格式）进行比对，就会生成 sam 格式。sam 格式文件中包含了全部的测序数据信息，参考序列信息，以及二者比对的全部细节信息。在基因组拼接，变异检测，RNAseq 等等分析当中都需要使用到 sam 格式。
       bam 格式是 sam 格式的二进制模式，并进行压缩。二者的内容相同。sam 是文本可是，可以直接使用文本查看命令 less，cat 直接查看。而 bam 是二进制模式，不能使用 less，cat查看。使用 bam 的原因主要是减小存储，另外，二进制格式不容易被修改。在实际使用过程中主要是使用排序后的 bam 格式。
       SAM 文件是一种列表格式的结构，包括头部注释部分和比对结果部分。序列比对需要记录reads 比对到基因组上的信息，包括哪一条 reads，比对到哪条基因组上的哪个位置，是一对一比对还是一对多比对，有无错配，错配是怎样的。因此就需要包含很多列的信息，
       samtools 说明文档：http://www.htslib.org/doc/samtools.html
       Sam 格式详解手册：http://samtools.github.io/hts-specs/SAMv1.pdf
       Sam 格式相关文献：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2723002/
       Sam 格式的 wiki 介绍：https://davetang.org/wiki/tiki-index.php?page=SAM

二、利用 stools 处理 Sam 文件
       比对得到 sam 之后，一般无法直接使用，绝大部分的软件都需要使用 bam 格式。bam 是 sam的二进制格式，二进制的好处是使用效率更高，占用存储更少。sam 一般都需要通过转换bam，排序，建立索引三个基础步骤。能够处理 sam 格式的软件有很多，例如 samtools，bamtools，picardtools 等。
      
       sam/bam 文件处理
       samtools 顾名思义，是处理 sam 格式的工具合集。samtools 主要包含以下几大功能：

1. Indexing 建立索引，
   
2. Editing 编辑文件，
   
3. File operations，
   
4. Statistics，统计相关功能；
   
5. Viewing，查看；

复制代码

1. #安装
   
2. mamba install -y samtools=1.14
   
3. mamba install -y bamtools
   
4. #查看文件路径
   
5. which samtools
   
6. #查看选项
   
7. samtools

复制代码