2019-08-18-02-fastq/sam和bam文件

fastq

fastq查看：zcat filename.fq.gz | head -n 8 #显示前8行文件内容（前8行代表2条序列）

格式说明：fastq文件每4行代表一条序列

第一行：记录序列测序时所用仪器以及在测序通道中坐标信息，以@开头；

第二行：测序的序列信息，以ATCGN表示，由于荧光信号干扰无法判断是什么碱基时就用N表示；

第三行：通常一个+；

第四行：与第二行碱基信息一一对应，存储测序碱基的质量值。

sam

sam文件全称是the sequencing alignment format，是alignment步骤BWA/STAR/HISAT2等软件对结果的标准输出文件，用于存储reads比对到参考基因组的比对结果。是一个纯文本格式，文件一般较大。为了节省硬盘存储，一般使用其高效压缩的二进制格式bam文件。

利用samtools view的-b参数就能把sam文件转换成bam文件。

1）sam文件查看方式

在linux终端直接用less即可进行查看；

sam文件中第二列flag信息很重要，利用samtools flagstat工具可以查看bam文件中比对的flag信息，并输出比对的统计结果

samtools flagstat *.bam

flag一共有12个标签

bam

2）bam文件查看方式

需要借助samtools view工具进行查看

samtools view filename.bam | less

NGS分析中大多数文件都是由header和record两部分组成，加上-h参数后可以将header显示出来，默认是不显示的。

header内容：每一行就是一条read比对上参考基因组的信息，总共12列，用tab键分隔。

1.read名称；

2.比对信息位flag值；

3.参考序列染色体编号；

4.5’端起始位置；

5.MAPQ：mapping quality，描述比对的质量，数字越大，特异性越高；

6.CIGAR字符串，记录插入、删除、错配等信息；

7.配对read所比对到的染色体，仅双端测序的数据才有；

8.配对read所比对到的位置，仅双端测序的数据才有；

9.插入片段的长度，仅双端测序的数据才有；

10.read序列；

11.read质量值；

12.12列以后的信息都是metadata