soap比对结果文件说明

前言

更多内容，请访问我的 个人博客。

soap 是 华大基因 开发的一款短序列比对软件（软件主页）。不过很可惜，这个网址已经没人维护了。

由于我现在承接了一个古老的项目（2012年的），项目中就是用的soap比对，因此这里整理了网上对该比对软件的结果文件介绍。

soap格式文件可以用纯文本编辑器打开，部分内容如下所示：

CL100152537L1C001R001_82        TTATAAATAAAACTCCCATCTCCCTGGGACAGAGC     FFEGGEFGDGGGFGFGGFGGGFGGF;@BAFF;E@E     18      a       35      +       chr8    89537925        0       35M     35
CL100152537L1C001R001_100       AGAAAACACTCCCTCAGGGAAGTGCCAGCCCTCCT     >8@F?DGFGGEGGFGB7?7FAAF>GF9BBGFGGGF     1       a       35      +       chr11   65819516        1       G->15A2 35M     15G19
...

从左至右，依次表示：

• 编号：read的编号。
• read序列：如果read比对上参考序列的负链，会被反向互补为正链。
• 质量值：序列的质量值，和序列顺序一致，如果read反向互补，质量值也会随着改变。
• 比对次数：比对上的次数。没有比对上的read将被忽略。
• a/b：pair-end比对的标记， 表示read属于来自哪个文件。
• 长度：read长度，如果是容缺失的比对，长度将是加上缺失片断的长度。
• +/-：比对上参考序列的正链或负链。
• 染色体名称：参考序列的染色体名称。
• 位点：第一个碱基在染色体上的位置，从1开始。
• 错配的个数：默认为0。
• 错配的详细信息：G->15A2 意思是一个错配,在参考序列的位置是的位置+15（从0开始），在参考序列上是G，read上是A，质量值是2。
• 比对上的数目：35M 意思是35个碱基比对上了。
• 对比的细节：15G19意思是前15个比对上了，第16（参考序列上位置+16）个是错配，后面19个还是比对上了。