SAM文件格式

帮朋友处理sam各式文件，又记不住sam各式每列代表的什么内容，干脆转个帖子留着以后查询。

在SAM输出的结果中每一行都包括十二项通过Tab分隔，从左到右分别是：

1 序列的名字

2 概括出一个合适的标记，各个数字分别代表

• 1? 序列是一对序列中的一个

• 2? 比对结果是一个pair-end比对的末端

• 4? 没有找到位点

• 8? 这个序列是pair中的一个但是没有找到位点

• 16? 在这个比对上的位点，序列与参考序列反向互补

• 32? 这个序列在pair-end中的的mate序列与参考序列反响互补

• 64 序列是 mate 1

• 128 序列是 mate 2

假如说标记为以上列举出的数目，就可以直接推断出匹配的情况。假如说标记不是以上列举出的数字，比如说83=（64+16+2+1），就是这几种情况值和。

3? 参考序列的名字

4 在参考序列上的位置

5? mapping qulity?? 越高则位点越独特

bowtie2有时并不能完全确定一个短的序列来自与参考序列的那个位置，特别是对于那些比较简单的序列。但是bowtie2会给出一个值来显示出 这个段序列来自某个位点的概率值，这个值就是mapping qulity。Mapping qulity的计算方法是：Q=-10log10p，Q是一个非负值，p是这个序列不来自这个位点的估计值。

假如说一条序列在某个参考序列上找到了两个位点，但是其中一个位点的Q明显大于另一个位点的Q值，这条序列来源于前一个位点的可能性就比较大。Q值的差距越大，这独特性越高。

Q值的计算方法来自与SAM标准格式，请查看SAM总结。

6 代表比对结果的CIGAR字符串，如37M1D2M1I，这段字符的意思是37个匹配，1个参考序列上的删除，2个匹配，1个参考序列上的插入。M代表的是alignment match(可以是错配)

7? mate 序列所在参考序列的名称

8 mate 序列在参考序列上的位置

9? 估计出的片段的长度，当mate 序列位于本序列上游时该值为负值。

10 read的序列

11 ASCII码格式的序列质量

12 可选的区域

• 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

也可以查看这个，也比较详细

https://blog.csdn.net/u014182497/article/details/51691743