SAM格式详解

SAM是一种序列比对格式标准， 由sanger制定，是以TAB为分割符的文本格式。主要应用于测序序列mapping到基因组上的结果表示，当然也可以表示任意的多重比对结果。

废话不多说，直接看每一列的表示含义：

下文中read表示sam对应的read，mate表示sam对应read的pairRead

第一列：read name，read的名字通常包括测序平台等信息；

第二列：sum of flags，每个flag用数字来表示，分别为：

1 read是pair中的一条（read表示本条read，mate表示pair中的另一条read）

2 pair一正一负完美的比对上

4 这条read没有比对上

8 mate没有比对上

16 这条read反向比对

32 mate反向比对

64 这条read是read1

128 这条read是read2

256 第二次比对

512 比对质量不合格

1024 read是PCR或光学副本产生

2048 辅助比对结果

通过这个和可以直接推断出匹配的情况。假如说标记不是以上列举出的数字，比如说83=（64+16+2+1），就是这几种情况值和。

第三列：RNAM，reference sequence name，实际上就是比对到参考序列上的染色体号。若是无法比对，则是*；

第四列：position，read比对到参考序列上，第一个碱基所在的位置。若是无法比对，则是0；

第五列：Mapping quality，比对的质量分数，越高说明该read比对到参考基因组上的位置越唯一；  

第六列：CIGAR值，read比对的具体情况，

“M”表示 match或 mismatch；

“I”表示 insert；

“D”表示 deletion；

“N”表示 skipped（跳过这段区域）；

“S”表示 soft clipping（被剪切的序列存在于序列中）；

“H”表示 hard clipping（被剪切的序列不存在于序列中）；

“P”表示 padding；

“=”表示 match；

“X”表示 mismatch（错配，位置是一一对应的）；

第七列：MRNM(chr)，mate的reference sequence name，实际上就是mate比对到的染色体号，若是没有mate，则是*；

第八列：mate position，mate比对到参考序列上的第一个碱基位置，若无mate,则为0；

第九列：ISIZE，Inferred fragment size.详见Illumina中paired end sequencing 和 mate pair sequencing，是负数，推测应该是两条read之间的间隔(待查证)，若无mate则为0；

第十列：Sequence，就是read的碱基序列，如果是比对到互补链上则是reverse completed   eg.CGTTTCTGTGGGTGATGGGCCTGAGGGGCGTTCTCN 

第十一列：ASCII，read质量的ASCII编码。

第十二列之后：Optional fields，可选的区域