格式转换：BAM 转 FASTQ

前言

有时候，分析已发表数据的时候，避免不了会遇到作者上传的数据是BAM格式，但是作者用的基因组又不是我想要的，所以我就需要将BAM转换为FASTQ，另外，有些特殊的测序，或者某些仪器的产出，或者某些测序公司的偏好，返还的数据是BAM格式（包含更全面的信息），加上许多分析工具都是需要以FASTQ文件为起始输入，所以需要将BAM转换为FASTQ。BAM转换为FASTQ是生信分析中的常见步骤，虽然现在还没遇到，提前整理，以备不时之需😑工具有很多，接下来就罗列几个工具

Samtools

Samtools 应该是圈子内最出名的几个工具之一了，应用十分广泛，专精于SAM、BAM格式文件的操作，被整合到各种分析流程之中，比如ATAC-seq、ChIP-seq等等。应用Samtools将BAM转换为Fastq要分为两步：

1. 根据Read Name排序：samtools sort -n SAMPLE.bam -o SAMPLE_sorted.bam
2. 转换，两种方式：
   • 直接转换

     samtools fastq -@ 8 SAMPLE_sorted.bam \
     -1 SAMPLE_R1.fastq.gz -2 SAMPLE_R2.fastq.gz \
     -0 /dev/null -s /dev/null -n
     

   • 先转换为fq，再拆分
     转换：samtools fastq SAMPLE.bam > SAMPLE.fastq
     拆分：对于双端测序数据，序列名字尾端会被加上 /1 或者 /2

     cat SAMPLE.fastq | grep '^@.*/1$' -A 3 --no-group-separator > SAMPLE_r1.fastq
     cat SAMPLE.fastq | grep '^@.*/2$' -A 3 --no-group-separator > SAMPLE_r2.fastq
     

更多详见：http://www.htslib.org/doc/samtools.html

PS: samtools fastq 是新版的命令，而samtools bam2fq，是旧版的命令（1.13之前？忘记了）

Bedtools

Bedtools，可用于各种分析流程，可以对例如BAM、BED、GFF/GTF、VCF等文件进行计数、合并、整合等各种操作。其提供了一个工具：bamtofastq，用于转换，但是对单端或者双端测序操作略有不同：

• 单端：bedtools bamtofastq -i input.bam -fq output.fastq
• 双端：
  1. 按序列名称排序：samtools sort -n input.bam -o input_sorted.bam
  2. 转换：bedtools bamtofastq -i input_sorted.bam -fq output_r1.fastq -fq2 output_r2.fastq

更多详见：http://bedtools.readthedocs.org/en/latest/content/tools/bamtofastq.html

Picard

Picard是一个基于Java开发的工具，用于处理测序数据，我接触的用途更多是去除PCR重复。它提供了一个工具：SamToFastq，可用于BAM到FASTQ的转换：java -Xmx2g -jar Picard/SamToFastq.jar I=SAMPLE.bam F=SAMPLE_r1.fastq F2=SAMPLE_r2.fastq，双端就用F F2参数，单端就是F

更多详见：http://broadinstitute.github.io/picard/command-line-overview.html#SamToFastq

10X Genomics 系列

10X的测序很火，加上数据很多且大，有些人发文章上传原始数据的时候就会选择二进制的BAM文件，方便数据的有效利用，所以10X搞了一个工具，专门针对其产品的BAM向Fastq转换，包括：

• cellranger (see exceptions below)
• cellranger-atac
• cellranger-arc
• cellranger-dna
• spaceranger
• longranger

以上分析流程产出的BAM文件，可以直接使用命令行：bamtofastq --nthreads=8 /path/to/mydata.bam /path/to/home/directory，执行BAM向Fastq转换，该工具也被内置在上面提到的流程中，存在于安装位置的/lib/bin目录中，比如cellranger-x.y.z/lib/bin/bamtofastq，使用方法：[pipeline] bamtofastq，比如： cellranger bamtofastq ...、 spaceranger bamtofastq ...

其他工具

不展开讨论用法了，这里直接罗列，感兴趣的可以自行探索：
Bamtools：http://github.com/pezmaster31/bamtools
bam2fastx：http://manpages.ubuntu.com/manpages/quantal/man1/bam2fastx.1.html

参考

1. http://www.htslib.org/doc/samtools.html
2. http://bedtools.readthedocs.org/en/latest/content/tools/bamtofastq.html
3. http://broadinstitute.github.io/picard/command-line-overview.html#SamToFastq
4. https://support.10xgenomics.com/docs/bamtofastq