2024年3月30日发(作者：南白山)
SAM格式-Bowtie2（简要介绍）
2013年06月03日 ? Bioinformatics ? 字号 小 中 大 ? 暂无评论? 阅读 3,370 次 [点
击加入在线收藏夹]
（首先推荐public Library of Bioinformatics的《SAM格式》和《Bowtie2使用方法
与参数详细介绍》两篇文章，有不足处希望大家提出）
1，简介：
文件后缀名:.sam
Bowtie2是现下最流行的短序列比对软件，SAM(Sequence Alignment/Map)格式是一种通
用的比对格式，用来存储reads到参考序列的比对信息。
2，行、列、注释说明：
注释：以@开头的行
行：除注释外，每一行是一个read
列：
第一列：read name，read的名字通常包括测序平台等信息
NA-379DBF:1:1:3445:946#0/1
第二列：sum of flags，为flag的总和（整数）,flag取值见备注(3)
eg.16
第三列：RNAM，reference sequence name，实际上就是比对到参考序列上的染色体号。
若是无法比对，则是*
1
第四列：position，read比对到参考序列上，第一个碱基所在的位置。若是无法比对，
则是0
eg.36576599
第五列：Mapping quality，比对的质量分数，越高说明该read比对到参考基因组上的
位置越唯一。
eg.42
第六列：CIGAR值，碱基匹配上的碱基数。match/mismatch、insertion、deletion 对
应字母 M、I、D
eg.36M 表示36个碱基在比对时完全匹配
注：第七列到第九列是mate(备注1)的信息，若是单末端测序这几列均无意义。
第七列：MRNM(chr)，mate的reference sequence name，实际上就是mate比对到的染
色体号，若是没有mate，则是*
eg.*
第八列：mate position，mate比对到参考序列上的第一个碱基位置，若无mate,则为0
eg.0
第九列：ISIZE，Inferred fragment size.详见Illumina中paired end sequencing 和
mate pair sequencing，是负数，推测应该是两条read之间的间隔(待查证)，若无mate则
为0
eg.0
第十列：Sequence，就是read的碱基序列，如果是比对到互补链上则对read进行了
reverse completed
TGTGGGTGATGGGCCTGAGGGGCGTTCTCN
第十一列：ASCII，read质量的ASCII编码。
[[YY_______________QQQQbILKIGEFGKB
第十二列之后：Optional fields，以tab建分割。详见备注(2)
:i:-1 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:35T0 YT:Z:UU
扩展：
3，应用举例：
SAM文件可以作为很多后续分析的源文件，也可以从其中提取感兴趣的信息。
4，备注：
(1)mate，在Illuminated中有两种测序技术：paired end sequencing，mate pair
sequencing。这两种测序都是测的一个片段的两端，这两端产生的reads被称为mate1，mate2，
单末端测序则无mate。
(2)Optional fields：
AS:i:
Alignment score.可以为负的，在local下可以为正的。 只有当Align≥1 time才出现
XS:i:
Alignment score for second-best alignment. 当Align>1 time出现
YS:i:
Alignment score for opposite mate in the paired-end alignment. 当该read是双末端
测序中的一条时出现
XN:i:
The number of ambiguous bases in the reference covering this alignment.（推测是指
不知道错配发生在哪个位置，推测是针对于插入和缺失，待查证）
XM:i:
错配碱基的数目
XO:i:
The number of gap opens(针对于比对中的插入和缺失)
XG:i:
The number of gap extensions(针对于比对中的插入和缺失)
NM:i:
The edit distance(read string转换成reference string需要的最少核苷酸的edits:插入
/缺失/替换)
YF:Z:
该reads被过滤掉的原因。可能为LN(错配数太多，待查证)、NS(read中包含N或者．)、
SC(match bonus低于设定的阈值)、QC(failing quality control，待证)
YT:Z:
值为UU表示不是pair中一部分(单末端？)、CP(是pair且可以完美匹配)
DP(是pair但不能很好的匹配)、UP(是pair但是无法比对到参考序列上)
MD:Z:
比对上的错配碱基的字符串表示
(3)flag取值
0：比对到参考序列的正链上（待求证）
1：是paired-end或mate pair中的一条
2：双末端比对的一条
4：没有比对到参考序列上
8：是paired-end或mate pair中的一条，且无法比对到参考序列上
16：比对到参考序列的负链上
32：双末端reads的另一条（mate）比对到参考序列的负链上
64：这条read是mate 1
128：这条read是mate 2
5，参考文献
mate pair sequencing
paired-end sequencing
bowtie2_manual
SAM and SAMTools
2024年3月30日发(作者：南白山)
SAM格式-Bowtie2（简要介绍）
2013年06月03日 ? Bioinformatics ? 字号 小 中 大 ? 暂无评论? 阅读 3,370 次 [点
击加入在线收藏夹]
（首先推荐public Library of Bioinformatics的《SAM格式》和《Bowtie2使用方法
与参数详细介绍》两篇文章，有不足处希望大家提出）
1，简介：
文件后缀名:.sam
Bowtie2是现下最流行的短序列比对软件，SAM(Sequence Alignment/Map)格式是一种通
用的比对格式，用来存储reads到参考序列的比对信息。
2，行、列、注释说明：
注释：以@开头的行
行：除注释外，每一行是一个read
列：
第一列：read name，read的名字通常包括测序平台等信息
NA-379DBF:1:1:3445:946#0/1
第二列：sum of flags，为flag的总和（整数）,flag取值见备注(3)
eg.16
第三列：RNAM，reference sequence name，实际上就是比对到参考序列上的染色体号。
若是无法比对，则是*
1
第四列：position，read比对到参考序列上，第一个碱基所在的位置。若是无法比对，
则是0
eg.36576599
第五列：Mapping quality，比对的质量分数，越高说明该read比对到参考基因组上的
位置越唯一。
eg.42
第六列：CIGAR值，碱基匹配上的碱基数。match/mismatch、insertion、deletion 对
应字母 M、I、D
eg.36M 表示36个碱基在比对时完全匹配
注：第七列到第九列是mate(备注1)的信息，若是单末端测序这几列均无意义。
第七列：MRNM(chr)，mate的reference sequence name，实际上就是mate比对到的染
色体号，若是没有mate，则是*
eg.*
第八列：mate position，mate比对到参考序列上的第一个碱基位置，若无mate,则为0
eg.0
第九列：ISIZE，Inferred fragment size.详见Illumina中paired end sequencing 和
mate pair sequencing，是负数，推测应该是两条read之间的间隔(待查证)，若无mate则
为0
eg.0
第十列：Sequence，就是read的碱基序列，如果是比对到互补链上则对read进行了
reverse completed
TGTGGGTGATGGGCCTGAGGGGCGTTCTCN
第十一列：ASCII，read质量的ASCII编码。
[[YY_______________QQQQbILKIGEFGKB
第十二列之后：Optional fields，以tab建分割。详见备注(2)
:i:-1 XN:i:0 XM:i:1 XO:i:0 XG:i:0 NM:i:1 MD:Z:35T0 YT:Z:UU
扩展：
3，应用举例：
SAM文件可以作为很多后续分析的源文件，也可以从其中提取感兴趣的信息。
4，备注：
(1)mate，在Illuminated中有两种测序技术：paired end sequencing，mate pair
sequencing。这两种测序都是测的一个片段的两端，这两端产生的reads被称为mate1，mate2，
单末端测序则无mate。
(2)Optional fields：
AS:i:
Alignment score.可以为负的，在local下可以为正的。 只有当Align≥1 time才出现
XS:i:
Alignment score for second-best alignment. 当Align>1 time出现
YS:i:
Alignment score for opposite mate in the paired-end alignment. 当该read是双末端
测序中的一条时出现
XN:i:
The number of ambiguous bases in the reference covering this alignment.（推测是指
不知道错配发生在哪个位置，推测是针对于插入和缺失，待查证）
XM:i:
错配碱基的数目
XO:i:
The number of gap opens(针对于比对中的插入和缺失)
XG:i:
The number of gap extensions(针对于比对中的插入和缺失)
NM:i:
The edit distance(read string转换成reference string需要的最少核苷酸的edits:插入
/缺失/替换)
YF:Z:
该reads被过滤掉的原因。可能为LN(错配数太多，待查证)、NS(read中包含N或者．)、
SC(match bonus低于设定的阈值)、QC(failing quality control，待证)
YT:Z:
值为UU表示不是pair中一部分(单末端？)、CP(是pair且可以完美匹配)
DP(是pair但不能很好的匹配)、UP(是pair但是无法比对到参考序列上)
MD:Z:
比对上的错配碱基的字符串表示
(3)flag取值
0：比对到参考序列的正链上（待求证）
1：是paired-end或mate pair中的一条
2：双末端比对的一条
4：没有比对到参考序列上
8：是paired-end或mate pair中的一条，且无法比对到参考序列上
16：比对到参考序列的负链上
32：双末端reads的另一条（mate）比对到参考序列的负链上
64：这条read是mate 1
128：这条read是mate 2
5，参考文献
mate pair sequencing
paired-end sequencing
bowtie2_manual
SAM and SAMTools