240124学习记录：查看/提取bam文件的reads

BAM 文件（Binary Alignment/Map file）是一种常用于存储测序数据的二进制格式。它主要用于存储 DNA测序 数据的比对（alignment）信息。以下是 BAM 文件的主要结构和组成部分：

1. 文件头（Header）： BAM 文件的开头包含一个文件头，其中包含有关该文件的元信息，如测序平台信息、参考基因组信息、测序参数等。文件头以 @HD 开始，后跟 @SQ（参考序列信息）、@RG（测序样本组信息）等不同的记录类型。

   @HD     VN:1.6 
   @SQ     SN:chr1 LN:248956422 
   @SQ     SN:chr2 LN:242193529 
   ... 
   @RG     ID:sample1     SM:sample1

2. 比对数据（Alignment Data）： BAM 文件的主要部分包含测序数据的比对信息。每个比对记录包括了测序 reads 的信息、比对位置、质量值等。比对记录以二进制形式存储，具体的字段和信息可以通过工具（例如 samtools view）来查看。

3. 索引（Index）： 为了快速访问 BAM 文件中的数据，通常会有一个对应的索引文件（.bai）。索引文件允许根据位置快速检索 BAM 文件中的比对记录，而不必遍历整个文件。

BAM 文件采用二进制格式，因此它通常相对较小，同时能够存储大量的测序数据。由于 BAM 文件是二进制的，要查看其中的内容通常需要使用专门的工具，比如 samtools。

在使用 BAM 文件时，常用的工具包括 samtools、Picard 等，它们提供了各种功能，如文件格式转换、信息查询、统计分析等。

查看bam文件上的总reads可以用idxstats命令，要求 BAM 文件有一个索引文件（.bai）：

samtools idxstats your_file.bam

输出将是一个包含每个参考序列的名称、长度、mapped reads 数目和unmapped reads 数目的表格。

如果只关心总 reads 数量，你可以使用 awk 命令从输出中提取相应的信息：

# only mapped
samtools idxstats your_file.bam | awk '{s+=$3} END {print s}'

# mapped + unmapped
samtools idxstats your_file.bam | awk '{s+=$3+$4} END {print s}'

{s+=$3+$4}: 对于每一行，将第三列（mapped reads）和第四列（unmapped reads）的值相加，然后将结果累加到变量 s 中。

若想查看特定染色体区段的reads数量，如chrM：

samtools view -c -F 256 your_file.bam chrM

使用 -F 256 选项排除非主对齐的 reads（如辅助比对），然后通过指定 chrM 来统计线粒体 reads 的数量。但是我觉得也可以不用设置-F这一参数。

提取特定区段：

# 替换文件名
bam_file="your_file.bam"

# 使用 samtools view 和 grep 提取线粒体 reads 信息
samtools view -h "$bam_file" | grep -E "^@|^\S+\s[0-9]+\schrM\s" > "chrM_reads.sam"

# 使用 samtools view 和 grep 提取线粒体 reads 信息，并保存为 BAM 文件
samtools view -h "$bam_file" | grep -E "^@|^\S+\s[0-9]+\schrM\s" | samtools view -bS - > "chrM_reads.bam"