Sam format

reference：https://davetang.org/wiki/tiki-index.php?page=SAM

@SQ SN:contig1 LN:9401 （序列ID及长度）

参考序列名，这些参考序列决定了比对结果sort的顺序，SN是参考序列名；LN是参考序列长度；每个参考序列为一行。

@PG ID:bowtie2 PN:bowtie2 VN:2.0.0-beta7 （比对所使用的软件及版本）

这里的ID是bwa，PN是bwa，VN是0.7.12-r1039版本。CL可以认为是运行程序

K00133:143:H5LL5BBXX:8:1101:1194:1103   77      *       0       0       *       *       0       0A                  NCCATCCATAATTTATAGGGAAGTGTTAAAATGCGAATAATATCCTTTTCTTTTCCTGGGATTCGTTCAACATTTCCATTTCCATTTCCCTCCGAGTT                  GATTTATGGGAATTCTCAGCAGCCTTGTCCATAATTCATGAACAATCCCTG     A#AFFAFFJJJJJJJJJJJJJJ7FJJJJAJJJJJJJJJJFJJ                  JJJJJJJJJJJJJAJJJJJJJJJFJAJJJJJFJJFJJJJJJJJJJJJFFFJJJFA7AA7FFJAJ<AJ<AFF-FFFJFJFJJJF<AFFAFAFJJFAJJJ                  FA<<<AFJJA      AS:i:0  XS:i:0
K00133:143:H5LL5BBXX:8:1101:1194:1103   141     *       0       0       *       *       0       0N                  AAGGAGAAGTTCCCATAGCAACAGCACCATTTTTTCCAGGGAAAAGGAGGAAAGAATCAAGGATGCGAAAGAGGGAATCAAAGCAGCTTAAGGGATAT                  AAAAAAAACAGGGATTGTTCATGAATTATGGACAAGGCAGCTGAGAATTCC     #AAFFJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJA-<7-7                  7A<7AJJF<AJJJJJF7JFAJF7AJJFJJJJJJJFF-AFJFJJJJJ--FFJJJJJJAAJFF<AJJJJJF777-----<-7F7-<--<<<<<7F<--7)                  --A7FF--<7      AS:i:0  XS:i:0
K00133:143:H5LL5BBXX:8:1101:1255:1103   77      *       0       0       *       *       0       0T                  NTTTGAGTGCCTTCTAATTTTTTTTCTCCTGTATCTAAATTGCATGAGTATACTCTGCTACATTTAATCTTCAGGTAAAACAAAACTTTCTTTTATCA                  TATTTAGGAAGTATCACTAATCATGAATTAAAATTAAATGTGTATTGTCAG     A#AFAJJJJJJJJJJJJJJJJJJJJJJJJJJFJJJFJJJJJJ                  FJJJFJJJJJJJJFJFJJJJJJJJJJJJJAJJFJAAJ77-AJFJFJJJJJFJJJJJJJFJJJFJF7AFFJAFFJFFA<FFAFJJAFAJFJJJJJJF-A                  FFJF77-A--      AS:i:0  XS:i:0
K00133:143:H5LL5BBXX:8:1101:1255:1103   141     *       0       0       *       *       0       0N                  CTGGCAGGCACAGATGCCCACAGTACACACACTGATATTTATAAAGCACTTCACAAAAAGTCACAAAAAAACCCCCAAAAACGAACCAAACCCAAAAA                  CCCCACCAAGCAAGCTGACAATACACATTTAATTTTAATTCATGATTAGTG     #AAFFJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJFJ                  JFJJJJJJJJJJJJJJJJJAJJJJJJJJJJJJJJFFJJJJJ<JFJFJFJJFJ<JJJJJ<FJJJJJFJJJJF7F<FJFJ7AFAJJ7FFFAF7F-AAF<7                  JFA<-77<-<      AS:i:0  XS:i:0

 

$1:QNAME（ 比对的序列名称，即一条测序reads的名称 ）：

K00133:143:H5LL5BBXX:8:1101:1194:1103

$2:FLAG（表明比对类型：paring，strand，mate strand等）:

可以使用samtools查到flag信息

$ samtools flags 77
0x4d    77      PAIRED,UNMAP,MUNMAP,READ1

$ samtools flags 141
0x8d    141     PAIRED,UNMAP,MUNMAP,READ2

$3:RNAME（表示read比对的那条序列的序列名称）:

情况一：这条read有比对上的序列，则名称与头部的@SQ相对应，eg：

$ bwa mem -t 4 -M ../02.index/t/t1.fa ../01.grep/t/o3.gz ../01.grep/t/o4.gz 2>bwa.log |les|awk '{if($3!="*"){print $0}}'
@SQ     SN:scaffold332  LN:2588
@SQ     SN:scaffold322  LN:8291
@SQ     SN:scaffold342  LN:24194
@SQ     SN:scaffold191  LN:43246
@SQ     SN:scaffold1157 LN:21100
@PG     ID:bwa  PN:bwa  VN:0.7.17-r1188 CL:bwa mem -t 4 -M ../02.index/t/t1.fa ../01.grep/t/o3.gz ../01.grep/t/o4.gz
K00133:143:H5LL5BBXX:8:1101:14245:1138  69      scaffold191     6389    0       *       =       6389    0       CNTCTTTTCAACTTTCCTACCTGGGACACCAAAAGAAGTGAATTTGAAATGCTGGAATACCCATTTCTTTGTAATATACTACCAGGCAATAATTTCTTCACCAGTGTGTGTAAGCCTGTAGCACTGCCTTGTGACCCACGGGCAGGACCC    A#AFFJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJFJJJJJJJJJJJJJJJJJJJJJJJJJJJ   MC:Z:47S40M63S  AS:i:0  XS:i:0
K00133:143:H5LL5BBXX:8:1101:14245:1138  137     scaffold191     6389    60      47S40M63S       =       6389    0       NCAAGCTGGGTGGGAGTGTTGATCTGCTGGAGGGCAGGAGGGCTCTGCAGAGGGATCTGGACAGGCTGGATCGATGGGCTGAGGCCAGTTGTATGAGGTTTAATAAGGTGAAATGCTGGGTCCTGCCCGTGGGTCACAAGGCAGTGCTAC    #AAFFJJJJJAJJJJJ<JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJFJJJJJJJJJJFJJJJJJJJJJJJAJJJJFJJFFFJFJJJJJJ-<FJJJJJJJJJJJJFFFJAFJJJJJJJ7FJ<JJJFJJJJJJJJJJJJJ<FF   NM:i:1  MD:Z:26C13      AS:i:35 XS:i:0

情况二：这条read没有比对上的序列，则名称是“*”，且这一行的第四，五，八，九 列是“0”，第六，七列与该列是相同的表示方法

$4:POS（表示read比对到RNAME这条序列的最左边的位置）

noted：

（1）无论该read是正向比对或是反向比对到该序列，比对结果均是正向序列或反向序列最左端的比对位置

（2）如果该read能够完全比对到这条序列，则CIGAR string为M

$5:MAPQ(表示为mapping的质量值)
(1)255:mapping值不可用，

(2)0:通常对于unmapped read

(3)一般结果是这一列的数值是从0到60，且0和60这两个数字出现次数最多

(4)第五列为60表示mapping率最高，

$6：CIGARCIGAR，简要比对信息表达式（Compact Idiosyncratic Gapped Alignment Report），其以参考序列为基础

M：表示read可mapping到第三列的序列上，则read的碱基序列与第三列的序列碱基相同，表示正常的mapping结果，M表示完全匹配，但是无论reads与序列的正确匹配或是错误匹配该位置都显示

I：表示read的碱基序列相对于第三列的RNAME序列，有碱基的插入

D：表示read的碱基序列相对于第三列的RNAME序列，有碱基的删除
N：read 中有gap
P：read 和reference sequence都有gap
S：read 与reference没有mapping上的区域，但是保留了该mismatchs

H：read 与reference没有mapping上的区域，但是没有保留该mismatchs

=：正确匹配到序列上
X：错误匹配到序列上

set ‘*’ if unavailable

而H只出现在一条read的前端或末端，但不会出现在中间，S一般会和H成对出现，当有H出现时，一定会有一个与之对应的S出现
例如：
162M89S
162H89M
149M102S
149H102M
40S211M
20M1D20M211H
S可以单独出现，而H必须有与之对应的S出现时才可能出现，不可在相同第一列的情况下单独出现
N：如果是mRNA-to-genome，N出现的位置代表内含子，其它比对形式出现N时则没有具体解释
M/I/S/=/X：这些数值的加和等于第10列SEQ的长度

如图：

$7：MRNM 

情况一：这条reads第二次比对的位置，

在利用bwa mem产生sam文件时，如果该列是“=”而第3列RNAME不是“*”，则表示该reads比对到第3列显示序列名的序列上，而没有比对到其他位置，

在利用bwa aln及bwa sampe比对生成的sam文件，如果和上述情况相同，则第7列为“=”，上述情况均表示该reads只比对到这一个位置

情况二：如果这条reads没有匹配上的序列，第3列RNAME和第7列MRNM都为“*”

情况三：如果这条reads匹配两个序列，则第一个序列的名称出现在第3列，而第二个序列的名称出现在第7列

$8：MPOS:该列表示与该reads对应的mate pair reads的比对位置，
如果这对pair-end reads比对到同一条reference序列上，在sam文件中reads的id出现2次，Read1比对的第4列等于Read2比对的第8列。同样Read1比对的第8列等于Read2比对的第4列。例如：
第1列（Read id）····第4列（Read1比对位置）····第8列（mate-pair reads比对位置）
22699:1759····124057649····124057667
22699:1759····124057667····124057649
相同的reads id一个来自Read1文件，一个来自Read2文件，第4列和第8列是对应的

$ bwa mem -t 4 -M ../02.index/t/t1.fa ../01.grep/t/o3.gz ../01.grep/t/o4.gz 2>bwa.log |awk '{if($3!="*"){print $0}}'|awk '{print $1"	"$4"	"$8}'|tail -2
K00133:143:H5LL5BBXX:8:1101:14245:1138  6389    6389
K00133:143:H5LL5BBXX:8:1101:14245:1138  6389    6389

$9:TLEN：insert length+mapping base
如果R1端的read和R2端的read能够mapping到同一条Reference序列上（即第三列RNAME相同），则该列的值表示第8列减去第4列加上第6列的M值，即为R1端和R2端相同id的reads其第九列值相同，但该值为一正一负，R1文件的reads和R2文件的reads，相同id的reads要相对来看。在进行该第列值的计算时，如果取第6列的数值，一定要取出现M的值，S或H的值不能取。It is set as 0 for single-segment template or when the information is unavailable.

$ bwa mem -t 4 -M ../02.index/t/t1.fa ../01.grep/t/o3.gz ../01.grep/t/o4.gz 2>bwa.log |awk '{if($3!="*"){print $0}}'|awk '{print $1"	"$9}'|tail -2
K00133:143:H5LL5BBXX:8:1101:14245:1138  0
K00133:143:H5LL5BBXX:8:1101:14245:1138  0

$10:SEQ，(序列片段的序列信息，如果不存储此类信息，此处为’*‘，注意CIGAR中M/I/S/=/X对应数字的和要等于序列长度)；

$ bwa mem -t 4 -M ../02.index/t/t1.fa ../01.grep/t/o3.gz ../01.grep/t/o4.gz 2>bwa.log |awk '{if($3!="*"){print $0}}'|awk '{print $1"	"$10}'|tail -2
K00133:143:H5LL5BBXX:8:1101:14245:1138  CNTCTTTTCAACTTTCCTACCTGGGACACCAAAAGAAGTGAATTTGAAATGCTGGAATACCCATTTCTTTGTAATATACTACCAGGCAATAATTTCTTCACCAGTGTGTGTAAGCCTGTAGCACTGCCTTGTGACCCACGGGCAGGACCC
K00133:143:H5LL5BBXX:8:1101:14245:1138  NCAAGCTGGGTGGGAGTGTTGATCTGCTGGAGGGCAGGAGGGCTCTGCAGAGGGATCTGGACAGGCTGGATCGATGGGCTGAGGCCAGTTGTATGAGGTTTAATAAGGTGAAATGCTGGGTCCTGCCCGTGGGTCACAAGGCAGTGCTAC

$11:QUAL,(ASCII，read质量的ASCII编码。)

$ bwa mem -t 4 -M ../02.index/t/t1.fa ../01.grep/t/o3.gz ../01.grep/t/o4.gz 2>bwa.log "$13"	"$14"	"$15"	"$16}'|tail -2
K00133:143:H5LL5BBXX:8:1101:14245:1138  MC:Z:47S40M63S  AS:i:0  XS:i:0
K00133:143:H5LL5BBXX:8:1101:14245:1138  NM:i:1  MD:Z:26C13      AS:i:35 XS:i:0

$12之后是自选option

$ bwa mem -t 4 -M ../02.index/t/t1.fa ../01.grep/t/o3.gz ../01.grep/t/o4.gz 2>bwa.log |awk '{if($3!="*"){print $0}}'|awk '{print $1"	"$12"	"$13"	"$14"	"$15"	"$16}'|tail -2
K00133:143:H5LL5BBXX:8:1101:14245:1138  MC:Z:47S40M63S  AS:i:0  XS:i:0
K00133:143:H5LL5BBXX:8:1101:14245:1138  NM:i:1  MD:Z:26C13      AS:i:35 XS:i:0