sam文件格式说明

bowtie2是当前最流行的短序列比对软，SAM（SequenceAlignment/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SAM是一种序列比对格式标准， 由sanger制定，是以TAB为分割符的文本格式。

主要应用于测序序列mapping到基因组上的结果表示，当然也可以表示任意的多

重比对结果

SAM分为两部分：注释信息和对比结果

注释信息以@开头

@HD：说明符合标准的版本。对比序列的排列顺序

@SQ：参考序列说明

@RG：比对上的序列（read）说明

@PG：使用的程序说明

@CO：任意的说明信息

比对结果部分

每一行代表一个片段的比对信息，包括11个必须的字段和一个可选字段，字段之间用tag分割

11个必须字段：

1：比对片段（read）的编首滚仿号

2.位标识（flag）每一种数字代表一种情况，这里的值是符合情况的数字和

3.参考序列的编号，没有比对上的序列，这里为 *

4.比对上的位置 从1开始计数，没有比对上此处为0

5.MAPQ：mapping的质量

6.CIGAR:简要比对信息表达式 以参考序列为基础，使用数字加字幕表示比对结果

比如3S6M1P1I4M，前三个碱基被剪切去除了，然后6个比对上了，

然后打开了一个缺口，有一个碱基插入，最后是4个比对上了，是按照顺序的

“M”表示 match或 mismatch；

“I”者纤表示 insert；

“D”表示 deletion；

“N”表示 skipped（跳过这段区域备轿）；

“S”表示 soft clipping（被剪切的序列存在于序列中）；

“H”表示 hard clipping（被剪切的序列不存在于序列中）；

“P”表示 padding；打开缺口

“=”表示 match；

“X”表示 mismatch（错配，位置是一一对应的）

7.下一个片段比对上的参考序列的标号，没有另外的片段这里为 * ，同一个片段 =

8.下一个片段比对上的位置，如果不可用，此处为0

9.Template的长度，最左边得为正，最右边的为负，中间的不用定义正负，

不分区段（single-segment)的比对上，或者不可用时，此处为0；

10.比对上的序列片段的序列信息，如果不存储此类信息，此处为’*‘，

长度=简要比对信息表达式算出来的结果

11.序列的质量信息，格式同FASTQ一样

SAM文件HEADER: SAM Format Header

SAM文件每一列的信息：

理解FLAG值含义的关键在于将FLAG转换为二进制，再对照下方的表，哪一位上晌姿是1，就代表这个比对符合后面的描述。

计算机处理时，可通过对FLAG值和每种FLAG进行与运算，若为带睁True，则包含此FLAG，反之不包含。

SAM文件中CIGAR字符串详细记录了read比对到参考蠢谨岁序列上的细节：

BAM文件中除了必须的前11列信息之外，不同的BAM文件中后面记录metadata的列是不固定的，在不同的处理软件中输出时也会有所不同，meatdata含义： SAM (Sequence Alignment/Map) Format Alignment Tags (samformat.info)

参考：

从零开始完整学习全基因组测序数据分析：第5节 理解并 *** 作BAM文件

SAM Format Flag

https://samtools.github.io/hts-specs/SAMv1.pdf

---