bam格式文件处理大全（二）

sam文件是短序列比对生成的文件，是二代测序中最核心的文件。在RNAseq，变异检测等分析中，都需要首先生成sam文件格式。bam文件是sam格式的二进制格式，转换为二进制之后，可以减小文件的存储。掌握sam/bam文件的操作是处理二代测序数据的非常重要的内容，例如sam与bam的转换，排序，建立索引，reads计数等等操作。

5 sam文件验证

有时候拿到bam文件之后，运行samtools经常报错，这是应为文件格式不正确或者内容不完整，这个时候就需要进行验证，可以使用samtools自带的quickcheck功能，如果没有提示，则表示没有问题，否则会提示错误，可以使用echo显示验证结果。

samtools quickcheck *.bam  && echo 'all ok' || echo 'fail!'

6 sam和bam格式转换

bwa默认生成的是sam格式，而绝大部分的软件需要bam格式，所以，第一件事情就是将sam转换为bam，bam是sam的二进制格式，压缩为二进制的好处是可以节省大量存储，那为什么软件不直接输出二进制，这是因为如果边比对边输出二进制，非常消耗内存，不如先生成文本格式的sam，在进行压缩。如果想看bam文件的内容，同样可以将bam转换为sam。

samtools view -O bam -o A1.bam A1.sam  
samtools view A1.bam | less

7 bam排序

默认的输出文件中，是按照比对的reads顺序进行排序的，而分析需要按照染色体坐标位置排序，所以，每一次都需要对bam进行排序，如果不排序，后续的操作都无法进行，还是同样的原理，边比对边排序消耗资源太大，所以，是在比对后进行排序。现在的samtools工具可以排序与转换同步进行。一般排序后的文件都加上扩展名sorted，表示经过排序了。

samtools sort -@ 4 -m 12G -O bam -o A1.sorted.bam A1.sam  

8 建立索引  

处理大文件都需要一个索引，索引的作用是可以快速定位到文件的任意位置，因此，建立索引，也是bam文件的重要功能，而建立索引，必须是排序后的bam文件。所以，拿到一个比对好的sam之后，基本处理就是排序，格式转换，建立索引。

samtools index A1.sorted.bam  

---------- END ----------

（添加作者微信，请注明单位姓名）

您可能还会感兴趣的