15、测序数据处理全流程解析

测序数据处理全流程解析

1. BAM文件数据解读

测序数据处理中，制表符分隔的条目包含了丰富信息，如序列标识符（成对读取的标识符相同）、读取映射到的染色体及位置、其配对读取的相同信息、CIGAR字段、标志、映射质量得分以及原始片段长度。

例如，示例序列映射到7号染色体的117559533位置，其配对读取映射到同一染色体的117559783位置。CIGAR 67M3D83M表示67 + 83 = 150个核苷酸与基因组参考完美匹配（M），中间有3bp的缺失（D）。标志99表示这是配对读取中的第一个读取，且两个读取都已映射。映射质量得分60（最高分）表明映射质量极佳，片段大小估计为400个核苷酸，处于正常范围。

BAM文件字段的定义可在 samtools.github.io/hts - specs/SAMv1.pdf 的第6页找到，标志字段值的解释可参考 broadinstitute.github.io/picard/explain - flags.html 。

2. 下载和安装GATK软件

我们将使用Broad Institute推荐的最佳实践，并使用流行的Genome Analysis ToolKit（GATK）软件来处理对齐的测序读取。以下是下载和安装GATK软件的步骤：
1. 访问