BBQ(生物信息基础22)：samtools 操作 bam&sam

  SAM文件不但记录了reads详细的mapping信息，还记录了reads的原始信息，内容很是全面。这样很好，但也存在很多问题：

1：比如我的原始FASTQ文件是100G，那么我的SAM文件一定是大于100G的，也就是占用了更多空间；
2：mapping的结果是没有排序，无论是按reads 的 name排序还是按在基因组上的位置排序，都没有。所以默认的SAM输出文件是乱序的，处理很不方便；
mapping的结果不能进行随机访问，什么是随机访问呢？举个例子就是说对于一个SAM文件我不能快速地访问比如chr1 10000 - 200000 这个区域的所有reads 的mapping情况。
3：基于以上这3个问题，BAM文件就出现了，并且完美解决了上面3个问题。

  那么如何去操作sam文件和bam文件呢？samtools这个工具应运而生。今天我们来进行几个小栗子的实操。

SAM测试文件的baidu盘下载地址
链接：https://pan.baidu.com/s/15gVVYPRu3VbF_uKbJUUGrA 密码：2drn

操作要求：

1. 使用samtools view 命令查看test.sam的header，请记录各条染色体的长度；同时告知这个test.sam文件是使用哪种mapping软件进行mapping的？
   贴上代码：

samtools view -H test.sam

samtools view 看header

2：使用samtools view命令将test.sam文件转换成test.bam文件，并保留header区域，写出命令并记录test.sam，test.bam的文件大小。

samtools view -Sb test.sam test.bam 

bam文件的head

3：使用less命令分别查看test.sam，test.bam文件，为什么bam文件会输出乱码？使用samtools view命令再试试看？

  less 可以看sam的头，但是看不了bam的头，因为bam是二进制的文件，不能用less命令看。

less看sam的head

4. 使用samtools sort命令对test.bam文件进行排序，输出文件名为test_sort.bam，并记录文件大小

samtools sort -o test.sorted.bam test.bam

文件大小

5：使用samtools index 对test_sort.bam建立index，写出命令并记录其文件大小。

samtools index test.sorted.bam

bam建立index后大小

6：使用samtools tview使用下面的命令查看chr1:160000-160100区域的比对情况，并截图

samtools tview的结果

samtools view 帮助文档

Reference:
1:生物信息学100个基础问题 —— 第22题 都有了SAM文件，为什么还需要BAM文件？
2:samtools manual page