sam和bam格式文件的shell小练习

首先使用bowtie2软件自带的测试数据生成sam/bam文件，代码如下：

mkdir -p ~/biosoft
cd ~/biosoft
wget https://sourceforge.net/projects/bowtie-bio/files/bowtie2/2.3.4.3/bowtie2-2.3.4.3-linux-x86_64.zip 
unzip bowtie2-2.3.4.3-linux-x86_64.zip 
cd ~/biosoft/bowtie2-2.3.4.3-linux-x86_64/example/reads
../../bowtie2 -x ../index/lambda_virus -1 reads_1.fq -2 reads_2.fq > tmp.sam
# samtools view -bS tmp.sam >tmp.bam

linux练习题

1. 统计共多少条reads(pair-end reads这里算一条)参与了比对参考基因组
2. 统计共有多少种比对的类型(即第二列数值有多少种)及其分布。
3. 筛选出比对失败的reads，看看序列特征。
4. 比对失败的reads区分成单端失败和双端失败情况，并且拿到序列ID
5. 筛选出比对质量值大于30的情况（看第5列）
6. 筛选出比对成功，但是并不是完全匹配的序列
7. 筛选出inset size长度大于1250bp的pair-end reads
8. 统计参考基因组上面各条染色体的成功比对reads数量
9. 筛选出原始fq序列里面有N的比对情况
10. 筛选出原始fq序列里面有N，但是比对的时候却是完全匹配的情况
11. sam文件里面的头文件行数
12. sam文件里每一行的tags个数一样吗
13. sam文件里每一行的tags个数分别是多少个
14. sam文件里记录的参考基因组染色体长度分别是？
15. 找到比对情况有insertion情况的
16. 找到比对情况有deletion情况的
17. 取出位于参考基因组某区域的比对记录，比如 5013到50130 区域
18. 把sam文件按照染色体以及起始坐标排序
19. 找到 102M3D11M 的比对情况，计算其reads片段长度。
20. 安装samtools软件后使用samtools软件的各个功能尝试把上述题目重新做一遍。

其它概念题

1. 高通量测序数据分析中，序列与参考序列的比对后得到的标准文件为什么文件？

2. sam文件是一种比对后的文件，能直接查看吗？

3. Sam/Bam文件分为两部分，一部分以@开头的是什么序列，另一部分是什么序列？

4. Sam文件除头文件，以什么符号分割文本的，比对部分信息一行是多少列？你能用awk计算列数吗？

5. Sam/Bam文件的@SQ开头的行是什么？你能生成一个文本，两列，一列是参考基因组染色体/sca id，一列是长度吗？

6. Sam文件的比对位置是从1还是0开始的？

7. 常见CIGAR 字符串各字母代表的意义

8. 比对质量的数字是哪一列？越大比对质量越好还是越小越好？

9. Sam文件的flag是第几列，数字代表什么意义？是怎么计算来的？

10. Sam文件怎么转bam文件？用什么指令？为什么要转换？

11. Bam文件查看用什么指令？如果需要查看头文件需要增加参数？

12. Bam文件为什么要排序？排序后的bam和未排序的bam头文件和chr position列有什么区别？

13. Bam文件建索引的指令是什么？

14. Bam文件可视化用什么工具？查看时需要建立索引吗？

15. Bam文件统计reads比对情况用samtools的哪一个子命令？

16. SE测序和PE测序的所比对后得到的sam文件的区别在哪里？

17. Bam能用gzip再压缩吗？

18. Sam文件通常由哪些比对软件得到的

19. Sam/Bam文件能转成fastq文件吗？

20. 有时候不能通过文件名的后缀来区别是sam还是bam，你是怎么区别的？

    本文作者：生信技能树团队