短序列比对软件参数和格式解读Bowtie2/SAM

之前一贯使用的是BWA,根据文献描述,BWA速度比较慢但是比较精确,Bowtie比较快消耗的内存也比较小。目前用自己的8G笔记本,使用Bowtie比对二代测序reads到人类基因组上,的确是可以跑得开的。


首先,先区别一下这些大名鼎鼎的比对软件。

TopHat: a fast splice junction mapper for RNA-seq reads

Cufflinks: a tool for transcriptome assembly and isoform quantitiation from RNA-seq reads

Crossbow: a cloud-enabled software tool for analyzing resequencing data

Myrna: a cloud-enabled software tool for aligning RNA-seq reads and measuring differential gene expression

Bowtie2 参数:

参数如下:

第一步,是将你的reference进行index

Bowtie2结果文件 SAM格式解析:

SAM被tab键分割成12个列,tab分割有利于用shell脚本直接处理。当然SAMtools也可以承担一些工作。

1    比对到参考基因组上的reads的ID

2    进行标注的Flag值:1.这个reads是paired reads里面的一个; 2.这个比对是paired-end比对中的一端;4.这个read,没有任何比对上的结果;8.这个read是pair里面的一个,并且没有比对上;16.比对到了反义链上;32.另外一条read比对到了反义链;64.它是pair里面的第一条;128.它是pair里面的第二条。

把这些条件进行加和:比如83=64+16+2+1,代表paired-end序列的第一条read,并且比对到了反义链上。

3    比对到基因组的位置的染色体或者scaffold

4    以正义链来算,比对上的最左边的那个位置的bp数

5    比对的质量值

6    CIGAR string representation of alignment???应该是代表多少个Match多少个Mismatch

7    参考基因组被比上的序列,如果完全相同就是=,如果没比上就是*

8     这个read的另一个pair的read比对上的最左边的第一个氨基酸

9     它的pair read发生的位置在上下游的多少bp数,正为下游,负数为上游。

10    read sequence(reverse-complemented if aligned to the reverse strand)

11    ASCII码标注的质量

12    附加信息

AS:i:<N> 比对分数

XS:i:<N>在出现比对到多个位置的情况下,最佳比对的分数

用于Uniq过滤的参数!

YS:i:<N> 那个pair mate的比对分数

XN:i:<N> 多少个可疑的base

XM:i:<N> Mismatch的个数

XO:i:<N> gap open的个数  XE 是gap extension的个数

YF:Z:<S> read被过滤掉的原因。。。

NM:i:<N> The edit distance; that is, the minimal number of one-nucleotide edits

(substitutions, insertions and deletions) needed to transform the read

string into the reference string.  Only present if SAM record is for an

aligned read.

YT:Z:<S> Value of `UU` indicates the read was not part of a pair.  Value of `CP`

indicates the read was part of a pair and the pair aligned concordantly.

Value of `DP` indicates the read was part of a pair and the pair aligned

discordantly.  Value of `UP` indicates the read was part of a pair but the

pair failed to aligned either concordantly or discordantly.

MD : Z : <S>

A string representation of the mismatched reference bases in the alignment.

See [SAM] format specification for details.  Only present if SAM record is

for an aligned read.

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 195,783评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,360评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 142,942评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,507评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,324评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,299评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,685评论 3 386
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,358评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,652评论 1 293
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,704评论 2 312
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,465评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,318评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,711评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,991评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,265评论 1 251
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,661评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,864评论 2 335

推荐阅读更多精彩内容

  • Introduction What is Bowtie 2? Bowtie 2 is an ultrafast a...
    wzz阅读 5,539评论 0 5
  • 一季度评星被打回来了,沈yan妍操作的,坑爹
    mimikatz阅读 162评论 0 0