SAMtools使用小技巧

SAM（sequence Alignment/mapping)数据格式是目前高通量测序中存放比对数据的标准格式，当然他可以用于存放未比对的数据。

samtools的主要功能有

samtools view

samtools sort

samtools depth

samtools view

我们需要先将SAM转换为二进制对应的BAM格式。 二进制格式对于计算机程序来说更容易使用。要将SAM转换为BAM，我们使用samtools view命令。

samtools view -S -b sample.sam > sample.bam

-S选项指定输入是SAM格式（默认情况下是BAM）

-b选项指定输出为BAM

重定向运算符（“>”）从输出创建BAM文件

可以通过：samtools view -S sample.sam -b > sample.bam

view是一个非常实用的子命令，除了之前的格式转换以外，还能进行数据提取和提取。

比如说提取1号染色体1234-123456区域的比对read：samtools view sample_sorted.bam chr1:1234-123456 | head

使FLAG更具可读性

samtools view -X sample.sorted.bam | head -n 5

计算总的比对数量

samtools view sample.sorted.bam | wc -l

显示标题，-H选项

samtools view -H sample.sorted.bam

flag是一种描述read比对情况的标记，一种12种，可以搭配使用。

-f:正确的比对 ：samtools view -f 0x2 sample.sorted.bam

-F(NOT properly paired) ：samtools view -F 0x2 sample.sorted.bam

可以先用flagstat看下总体情况：samtools flagstat sample_sorted.bam

samtools sort

当将FASTQ文件与所有当前序列比对时，产生的比对关于它们在参考基因组中的位置是随机顺序的。 换句话说，BAM文件的顺序是输入FASTQ文件中的序列。

sort: 比对排序

samtools sort sample.bam -o sample.sorted.bam

RNA-seq 的数据比对结果 BAM 文件使用 samtools 进行 sort 之后文件压缩比例变化会比DNA-seq 更甚。另外，samtools 对 BAM 文件进行排序之后那些没有比对上的 reads 会被放在文件的末尾。

samtools index

对排序文件进行索引之后，有利于快速提取基因组重叠区域的比对结果

samtools index sample.sorted.bam