生物数据格式 - pileup
2021-02-26 本文已影响0人
半夜一更
格式
pileup格式描述了染色体上每个位置的碱基信息， 可以用来 SNP/indel calling, 也可以直接用眼睛看一下排列的情况。
pileup格式.png
pileup格式文件包括6列
第一列：参考序列名；
第二列：碱基位置；
第三列：参考碱基；
第四列：比对上的reads；
第五列：比对情况；
第六列：碱基质量，与fastq文件一样用ASCII码表示。
其中第五列比对情况的表示方法较为复杂，用多种表达了每一个碱基的比对情况：
| 符号 | 含义 | 符号 | 含义 |
|---|---|---|---|
| . | 匹配正链 | , | 匹配负链 |
| ATCGN | 正链上的不匹配 | actin | 负链上的不匹配 |
| ^ | 该条read的第一个碱基 | $ | 该条read的最后一个碱基 |
| 正则式:+[0-9][ATCGN] | 在该位点后插入的碱基 | 正则式:+[0-9][atcgn] | 在该位点后缺失的碱基 |
| * | 模糊碱基 |
获取
Pileup 文件一般是由samtools从sorted bam 文件生成：
samtools mpileup -f XX.fa -Q 15 -q 20 input.sorted.bam -o output.pileup
