之前一贯使用的是BWA,根据文献描述,BWA速度比较慢但是比较精确,Bowtie比较快消耗的内存也比较小。目前用自己的8G笔记本,使用Bowtie比对二代测序reads到人类基因组上,的确是可以跑得开的。
首先,先区别一下这些大名鼎鼎的比对软件。
TopHat: a fast splice junction mapper for RNA-seq reads
Cufflinks: a tool for transcriptome assembly and isoform quantitiation from RNA-seq reads
Crossbow: a cloud-enabled software tool for analyzing resequencing data
Myrna: a cloud-enabled software tool for aligning RNA-seq reads and measuring differential gene expression
Bowtie2 参数:
参数如下:
第一步,是将你的reference进行index
Bowtie2结果文件 SAM格式解析:
SAM被tab键分割成12个列,tab分割有利于用shell脚本直接处理。当然SAMtools也可以承担一些工作。
1 比对到参考基因组上的reads的ID
2 进行标注的Flag值:1.这个reads是paired reads里面的一个; 2.这个比对是paired-end比对中的一端;4.这个read,没有任何比对上的结果;8.这个read是pair里面的一个,并且没有比对上;16.比对到了反义链上;32.另外一条read比对到了反义链;64.它是pair里面的第一条;128.它是pair里面的第二条。
把这些条件进行加和:比如83=64+16+2+1,代表paired-end序列的第一条read,并且比对到了反义链上。
3 比对到基因组的位置的染色体或者scaffold
4 以正义链来算,比对上的最左边的那个位置的bp数
5 比对的质量值
6 CIGAR string representation of alignment???应该是代表多少个Match多少个Mismatch
7 参考基因组被比上的序列,如果完全相同就是=,如果没比上就是*
8 这个read的另一个pair的read比对上的最左边的第一个氨基酸
9 它的pair read发生的位置在上下游的多少bp数,正为下游,负数为上游。
10 read sequence(reverse-complemented if aligned to the reverse strand)
11 ASCII码标注的质量
12 附加信息
AS:i:
XS:i:
用于Uniq过滤的参数!
YS:i:
XN:i:
XM:i:
XO:i:
YF:Z: read被过滤掉的原因。。。
NM:i:
(substitutions, insertions and deletions) needed to transform the read
string into the reference string. Only present if SAM record is for an
aligned read.
YT:Z: Value of `UU` indicates the read was not part of a pair. Value of `CP`
indicates the read was part of a pair and the pair aligned concordantly.
Value of `DP` indicates the read was part of a pair and the pair aligned
discordantly. Value of `UP` indicates the read was part of a pair but the
pair failed to aligned either concordantly or discordantly.
MD : Z :
A string representation of the mismatched reference bases in the alignment.
See [SAM] format specification for details. Only present if SAM record is
for an aligned read.