bam比对flag说明以及提取未必对上的reads

Posted 2023-04-22

参考技术A flag

1 ： 代表这个序列采用的是PE双端测序

2： 代表这个序列和参考序列完全匹配，没有插入缺失

4： 代表这个序列没有mapping到参考序列上

8： 代表这个序列的另一端序列没有比对到参考序列上，比如这条序列是R1,它对应的R2端序列没有比对到参考序列上

16：代表这个序列比对到参考序列的负链上

32 ：代表这个序列对应的另一端序列比对到参考序列的负链上

64 ： 代表这个序列是R1端序列， read1;

128 : 代表这个序列是R2端序列，read2；

256： 代表这个序列不是主要的比对，一条序列可能比对到参考序列的多个位置，只有一个是首要的比对位置，其他都是次要的

512： 代表这个序列在QC时失败了，被过滤不掉了（# 这个标签不常用）

1024: 代表这个序列是PCR重复序列（#这个标签不常用）

2048: 代表这个序列是补充的比对（#这个标签具体什么意思，没搞清楚，但是不常用）

1.查看

其中bam文件中用标签4代表read未比对上；所以查看未比对上的reads用

samtools view -f 4 *bam|less -S

2.提取

提取未比对到参考序列的结果:

samtools view -b -h -f 4 *.bam > unmapped.bam

-h 文件包含header line;-f,提取;-b,输出为bam格式

###-F参数是过滤的意思（filter）；这里类似grep -v

所以提取比对到参考序列的结果:

samtools view -b -h -F 4 *.bam > mapped.bam

F意思为过滤掉以4为标签的序列

提取双端序列都比对到参考序列（4+8）的结果

samtools view -bF 12 *.bam > mapped.bam

3.bam2fastq

bamToFastq -bam file_unmapped.bam -fq1 unmappedR1.fastq -fq2 unmappedR2.fastq

参考文献：http://blog.sina.com.cn/s/blog_9fe4fc830102x7s6.html

https://www.cnblogs.com/leezx/p/8655086.html

链接：https://www.jianshu.com/p/7dd5d3e61d09

序列比对及BAM、SAM文件

参考技术A 序列比对后的文件存在SAM文件中，序列比对软件有bwa等。

一般我们现在不保存SAM文件，而是直接在bwa比对完之后用samtools生成BAM文件

什么叫BAM文件呢，他其实就是SAM文件的二进制文件（Binary SAM），大小只有SAM文件的大约25%，但是不像SAM文件是txt file，BAM文件是无法用txt方式打开的。也就说BAM就是序列比对后的文件用于之后的分析。

.bai = BAM index