https://zhuanlan.zhihu.com/p/31405418?from_voters_page=true

Sam : The Sequencing Alignment/Map Format
Bam :
Bam是Sam的压缩格式，二者保存的信息内容完全相同

Bam文件由header和record两部分构成

1. header

header : 处在整个文件的开头，每一行都以@开头
@HD : 必须的标准头信息
@SQ : 参考文件染色体信息，顺序必须与参考文件中的保持一致
@RG : Read Group，包含测序平台、测序文库、样本ID等信息
@PG : 用过的操作过程和参数信息，从这个bam文件产生的那个命令开始记录
Note : 在一些测序结果生成的bam文件中，header还包含其他的内容

header

2. record

record : 比对结果信息，每一行都是一条read，基本格式如下：

record
每一行都会包含>=11列的内容，列与列之间用制表符分隔，同一文件中所有行的列数一致
每一行的前11列内容是必须内容，每行代表的含义是固定的
从第12行开始，是测序数据的metadata，具体内容要根据测序数据本身而定，不是固定不变的

每列所具有的含义如下：

图片.png

第一列

QNAME : Query Name ，序列名称，与fastq中序列的名称完全保持一致

bam中的序列名
fastq中的序列名

第二列

FLAG : flags，比对信息位，呈现为一个十进制的整数，这个数大多数时候为多个十进制整数的和
其中每个十进制的数都可以转换为一个二进制的数，这里用到的二进制的数一共有12位，其中的每个数位都分别代表一种信息，当此数位为1时，则代表对于某条序列来说，此信息为TRUE，是0则代表此信息为FALSE

示例： FLAG = 69
69 = 64+4+1
64 = 000001000000 : 第六位代表的信息为TRUE，含义为该序列为双端测序结果的read1
4 = 000000000100 : 第十位代表的信息为TRUE，含义为序列没有比对到参考序列
1 = 000000000001 : 第十二位代表的信息为TRUE，含义为该序列为双端测序结果中的一条
与此同时，其他为0的位置代表的信息则为FALSE

FLAG

第三列 + 第四列

RNAME + POS，由染色体名称和在染色体上的位置共同给出此序列的位置信息
RNAME : Reference Name，第三列，染色体名称
POS : Position，第四列，比对上的序列第一个碱基在某染色体上位置，染色体上的第一个碱基的位置为1

position
比对上的序列第一个碱基在NC_037638.1这条染色体位置是2005

第五列

MAPQ : Mapping Quality，比对质量值
MAPQ = -log10(错误比对到此位置上的概率)*10

示例： MAPQ = 40
错误比对到此位置上的概率 = 0.0001
一般来讲，MAPQ>=30即为可以相信的比对结果

第六列

CIGAR : Compact Idiosyncratic Gapped Alignment Report，称为雪茄字符串，用数字和字母来表示序列比对到参考序列上的细节情况

CIGAR
示例： 10S136M4S
表示：前十个和后四个碱基没有比对到序列上，中间的136个碱基比对到序列上

Note : M 表示完全匹配或者包含单碱基的错配

第七列 + 第八列 + 第九列

Mate Information，仅对双端序列有意义，表示的内容为双端测序中与此序列配对的序列的比对情况；在某些情况下，即使是双端测序数据，此信息可能也不会包含(信息位置仍在)
RNEXT : 第七位，配对read比对到参考文件中的染色体号
PNEXT : 第八位，配对read比对到染色体上的第一个碱基的位置
TLEN : 第九位，配对read插入片段长度

第十列

SEQ : Read Sequence，当前read的序列信息

第十一列

QUAL : Quality Scores，当前read的测序质量值

十二列及以后

Metadata，序列元信息
具体内容根据测序文件的内容而定

比如：单细胞测序结果中包含Cell Barcode等信息

Cell Barcode