bam/sam 数据格式（2018-05-29）

转自：https://blog.csdn.net/niuhuihui_fei/article/details/73106998?locationNum=14&fps=1

SAM和BAM是序列比对之后常用的输出格式

比如tophat输出BAM格式，bowtie和bwa等都采用了SAM格式。

BAM格式其实就是SAM格式的二进制格式，占用存储空间更小。

samtools由中国学者开发，专门用于sam/bam格式文件的各种操作。

1.bam文件读取

samtools view xxx.bam

samtools view xxx.bam |less

2.bam和sam的区别与一致

sam是带有比对信息的序列文件（即告诉你这个reads在染色体上的位置等），用于储存序列数据（SAM  format is a generic format for storing large nucleotide sequence alignments. ）。

BAM is the compressed binary version of the Sequence Alignment/Map (SAM) format. 生物信息中的二进制文件主要是为了节约空间，计算机机可读。可以用samtools工具实现sam和bam文件之间的转化。

二者都是fastq文件经过序列比对或者mapping后输出的格式（其储存的信息都是一致的）

3.资料来源：

Samtools官网：http://samtools.sourceforge.net/

UCSC 上对BAM Track Format介绍：genome.ucsc.edu/goldenPath/help/bam.html

Samtools应用实例：https://wikis.utexas.edu/display/CoreNGSTools/SAM+format+and+samtools

Samtools参考文献：The Sequence alignment/map (SAM) format and SAMtools

对SAM每一列的详细解释： http://genome.sph.umich.edu/wiki/SAM

SAM格式解释及specification介绍： http://davetang.org/wiki/tiki-index.php?page=SAM

能利用或产生SAM/BAM的NGS软件：http://samtools.sourceforge.net/swlist.shtml

4.格式（sam与bam格式是一致）

SAM格式分为header section（头部分，注释信息，以@开头，可有可无）和alignment section（比对结果）两个部分。

其中header section用不同的tag表示不同的信息，主要有@HD，说明符合标准的版本、对比序列的排列顺序；@SQ，参考序列说明；@RG，比对上的序列（read）说明；@PG，使用的程序说明；@CO，任意的说明信息。Tag以键值对的形式存在。

alignment section 必须由11个字段组成 ，以tab分开。如果其内容没有获得，可以用*或者0代替。

QNAME, FLAG, RNAME, POS, MAPQ, CIGAR, MRNM, MPOS, ISIZE, SEQ, QUAL