生信分析进阶4 - 比对结果的FLAG和CIGAR信息含义与BAM文件指定区域提取

AI摘要

本文介绍了BAM文件的比对信息,特别是FLAG和CIGAR字段,详细解析了它们的含义。FLAG用于表示read的比对状态,CIGAR字符串则直观展示比对细节。此外,还讲述了如何使用samtools view提取BAM文件的特定区域,以及生信分析进阶的相关资源。

BAM文件时存储比对数据的常用格式,可用于短reads和长reads数据。BAM是二进制压缩格式,SAM文件为其纯文本格式,CRAM为BAM的高压缩格式,IO效率相比于BAM略差,但是占用存储空间更小。

1. BAM文件的比对信息

BAM的核心信息-record(也叫alignment section,比对信息), 记录序列比对内容,每一行都是一条read比对信息,各部分内容如下图所示:

record比对信息各部分内容含义:
record各部分内容含义

2. 比对信息关键内容 FLAG和CIGAR

2.1 FLAG

FLAG记录了read的比对情况,FLAG信息使用数字来表示比对结果,比如77,163等,其中77 = 1 + 4 + 8 + 64, 163 = 1 + 2 + 32 + 128, 其中相加使用的数据含义如下表所示:

比如163数据可以理解为:

PE测序reads + 正常比对上参考序列 + 另一条配对reads反向互补后比对到参考序列 + 该序列是read2
在这里插入图片描述

2.2 CIGAR

CIGAR全称Compact Idiosyncratic Gapped Alignment Report, 称为“雪茄”字符串。CIAGR相比对FLAG更容易理解,使用数字+字母组合表示reads的比对情况,比如,一条150bp长的read比对到基因组之后,假如CIGAR字符串内容为:33S117M,其意思是说在比对的时候这条read开头的33bp在被跳过了(S),紧接其后的117bp则比对上了参考序列(M), 其中S代表软跳过(Soft clip),M代表匹配(Match)。

CIGAR标记字符共有10个: “MIDNSHP=XB”,具体分别代表read比对时的情况如下图所示:

特别注意M标记字符,其并非100%全部匹配,单碱基的错配也会标记为M。
CIGAR

3. samtools view查看指定BAM文件指定区域

对于BAM文件的查看可使用samtools。

# 生成索引文件
samtools index sample.sorted.bam

# 跳转到chr22染色体
samtools view sample.sorted.bam chr22 

# 跳转到chr22:16050000位置
samtools view sample.sorted.bam chr22:16050000

# 跳转到chr22:16050000-16060000位置
samtools view sample.sorted.bam chr22:16050000-16060000

4. samtools view提取BAM文件指定染色体区域

对于bam文件过大,可以提取指定区域并生成小的bam文件,导出后再IGV进行查看。

# 提起chr22区域,并输出为bam格式
# —h 表示包含header信息
samtools view -h sample.sorted.bam chr22:16050000-16060000|\
samtools view -Sb - > chr22.region.bam

# 查看bam
samtools view chr22.region.bam|less -S

bam查看截图

生信分析进阶文章推荐

生信分析进阶1 - HLA分析的HLA区域reads提取及bam转换fastq

生信分析进阶2 - 利用GC含量的Loess回归矫正reads数量

生信分析进阶3 - pysam操作bam文件统计unique reads和mapped reads高级技巧合辑

生信分析常见文件——BAM文件 比对软件将质控后的fq格式文件与参考基因组进行比对后。 阅读详情

相关推荐

生信新手必看:BAM文件结构解析与samtools实战操作指南

本文为生信新手提供了BAM文件结构的详细解析与samtools实战操作指南。通过拆解BAM文件的内部构造,包括头部区和主体区的关键信息,并结合samtools工具的实际操作示例,帮助读者快速掌握处理BAM文件的技能,提升基因组数据分析效率。

weixin_30790841的博客 450

BAM文件解析:从结构到实战应用

本文深入解析BAM文件的结构与实战应用,涵盖从SAM到BAM的转换、文件头部与主体区详解,以及常用Samtools操作命令。通过实际案例和性能优化技巧,帮助生信研究人员高效处理BAM文件,提升数据分析效率。

weixin_26765287的博客 432

BAM文件解析全攻略:读懂每个字段的隐藏信息(含Flag值详解)

本文深入解析BAM文件的核心结构与字段含义,重点剖析二进制FLAG值的位掩码艺术及其在精准过滤中的应用,并详解CIGAR字符串与可选标签的实战解读。旨在帮助生信分析人员从底层理解数据,掌握高效解析与信息挖掘技巧,从而提升比对结果分析与下游流程控制的专业能力。

weixin_28365523的博客 333

生信技能57 - Samtools获取指定外显子区域depth和提取BAM文件序列

Samtools获取指定外显子区域depth和提取BAM文件序列

LittleComputerRobot的博客 788

解析bam文件中flag标签

解析bam文件中flag标签

Bio-Cigar:解析 CIGAR 字符串并将坐标转换为参考查询

名称 Bio::Cigar - 解析 CIGAR 字符串并将坐标转换为/从参考/查询 概要 use 5.014; use Bio::Cigar; my $cigar = Bio::Cigar->new("2M1D1M1I4M"); say "Query length is ", $cigar->query_length; say "Reference length is ", $cigar->reference_length; my ($qpos, $op) = $cigar->rpos_to_qpos(3); say "Alignment operation at reference position 3 is $op"; 描述 Bio::Cigar 是一个小型库,用于解析 CIGAR 字符串(“Compact Idiosyncratic Gapped Alignment Report

安卓7.0+抓包难题:雷电模拟器9.0+Charles系统证书安装全攻略

HTTPS协议通过SSL/TLS加密保障网络通信安全,其核心机制依赖于证书信任链。在Android系统中,自7.0版本起,谷歌收紧了证书信任策略,默认仅信任系统预置的CA证书,这直接导致了传统抓包方法失效。理解这一原理对于移动开发、测试及安全研究至关重要,它揭示了应用层安全策略与系统底层机制的关联。通过将用户证书安装至系统信任区,可以突破此限制,实现HTTPS流量的解密与分析。这一技术在App调试、接口测试、安全审计等场景中具有广泛的应用价值。本文以雷电模拟器9.0和Charles抓包工具为例,详细演示了如

weixin_42521843的博客 281

MATLAB实战:从零推导合成孔径雷达(SAR)后向投影(BP)算法核心公式与代码实现

本文详细介绍了如何使用MATLAB从零推导合成孔径雷达(SAR)后向投影(BP)算法的核心公式与代码实现。通过基础概念讲解、数学原理推导、距离维脉冲压缩实现及完整MATLAB代码展示,帮助读者掌握SAR成像的关键技术。特别针对BP算法的优化技巧和常见问题提供了实用解决方案,适合雷达信号处理领域的开发者和研究者参考。

weixin_28683689的博客 252

宝塔面板添加站点及运营商SSL免费证书的申请与使用

本文详细介绍在宝塔面板下如何正确添加站点、配置站点,及在运营商如何申请免费SSL证书,将其配置到宝塔站点里。 给你的网站加一把锁,教你免费SSL证书申请,配置到自己的网站中。 环境:Ubuntu server 18 工具:宝塔控制面板 平台:阿里云 Web服务器:Nginx 宝塔:https://www.bt.cn/ 阿里云:https://www.aliyun.com/ 腾讯云:https://cloud.tencent.com/ 要求: 1.宝塔控制面板搭建完毕。 2掌握域名解析的原理。 3.了解ht

贺兰山长老 5060

ABAP Open SQL 数据拷贝导致 SAPSQL_DATA_LOSS:从报错机理到稳妥修复

数据类型与长度不合规。一旦在Open SQL的无损赋值检查里被发现,系统宁可中止也不会偷偷替你截断。把变量声明对齐到字典、在需要时明确表达转换/截断意图、写法上避免落入高危的操作数位置,再配合ATC的预防性检查,既能解决你这次的ST22Dump,也能把同类问题消灭在萌芽状态。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 433

基于深度学习的工业零件缺陷检测系统

工业零件缺陷检测系统摘要 本文介绍了一个基于深度学习的工业零件缺陷检测系统解决方案。该系统采用Faster R-CNN目标检测算法,结合PyTorch框架和OpenCV图像处理库,实现了对工业零件表面缺陷(如裂纹、划痕、凹坑等)的自动检测与定位。系统包含完整的开发流程:从数据采集与标注、数据增强预处理、模型构建与训练,到最终的评估与部署。相比传统机器视觉方法,该深度学习方案具有更强的特征表示能力和环境适应性,能够有效提升工业质检的准确率和效率。文章详细阐述了系统架构设计、实现细节和优化策略,并提供了完整的代

huanghm88的专栏 287

《备考系统架构设计师》 - 专栏介绍和目录

本专栏包括所有历年真题及详解、章节知识核心总结、精选高分论文、补充知识、专题总结等。欢迎订阅专栏。

数据知道的博客 4万+

西门子博图v16安装密钥提示报错:CryptAcquireContext MS_DEF_PROV Error of containger opening...如何解决?

🏆本文收录于 《全栈 Bug 调优(实战版)》 专栏。专栏聚焦真实项目中的各类疑难 Bug,从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解,形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者,还是负责复杂项目的资深工程师,都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论,助你稳步进阶、放大技术价值。

**My Coding Family** 3311

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

上一篇: 生信分析进阶3 - pysam操作bam文件统计unique reads和mapped reads高级技巧合辑
下一篇: 生信算法7 - 核酸序列Fasta和蛋白PDB文件读写与检索
生信与基因组学
博客等级 码龄9年 7209粉丝 257原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信与基因组学

每一份鼓励是我坚持下去动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值