HISAT2 Bowtie2 提取唯一比对 unique mapping reads

把read比对到基因组之后,需要提取唯一比对来进行下一步分析。

bowtie2和HISAT2 都没有只输出唯一比对的命令,所以需要对比对结果sam文件进行提取,可以通过sam文件最后一列的标签进行筛选。

Bowtie2

bowtie2的输出sam文件的标签:

AS:i:<N>:Alignment score. Can be negative. Can be greater than 0 in [--local] mode (but not in [--end-to-end] mode). Only present if SAM record is for an aligned read.(引用自bowtie2 manual:http://bowtie-bio.sourceforge.net/bowtie2/manual.shtml#sam-output)

表示比对分数,只有比对上的reads才会有这个标签。
所以我们先用grep “AS:” aligned.sam将所有比对上的reads提取出来。

XS:i:<N>: Alignment score for the best-scoring alignment found other than the alignment reported. Can be negative. Can be greater than 0 in [--local] mode (but not in [--end-to-end]mode). Only present if the SAM record is for an aligned read and more than one alignment was found for the read. Note that, when the read is part of a concordantly-aligned pair, this score could be greater than [AS:i] (引用自bowtie2 manual:http://bowtie-bio.sourceforge.net/bowtie2/manual.shtml#sam-output)

XS:i:<N>标签是在多个比对时才会出现(multi mapping reads)。
所以用grep -v "XS:i"命令即可实现将不包含XS:i标签的例子全部提取出来。

bowtie2提取唯一比对的命令总结
grep "AS:" aligned.sam | grep –v "XS:"  > unique_alignments.sam

HISAT2

HISAT2输出sam文件的标签:

ZS:i:<N> : Alignment score for the best-scoring alignment found other than the alignment reported. Can be negative. Only present if the SAM record is for an aligned read and more than one alignment was found for the read. Note that, when the read is part of a concordantly-aligned pair, this score could be greater than AS:i.
NH:i:<N> : The number of mapped locations for the read or the pair.
(引用自HISAT2 manual: http://daehwankimlab.github.io/hisat2/manual/)

ZS:i:<N>仅当SAM记录用于已对齐的读取且已为该读取找到多个对齐时才出现。
NH:i:<N>显示read 比对到基因组位置的个数<N>。

HISAT2提取唯一比对的命令总结
grep "NH:i:1" aligned.sam | grep -v "ZS:i" > unique_alignments.sam

进行提取后,一定要用wc -l unique_alignments.sam来查看read的个数,用来确定和比对软件输出的log文件中记录的个数是否一致。

wc -l unique_alignments.sam
42731387 unique_alignments.sam

比对软件输出的log文件结果:

62624861 reads; of these:
  62624861 (100.00%) were unpaired; of these:
    7315939 (11.68%) aligned 0 times
    42731387 (68.23%) aligned exactly 1 time
    12577535 (20.08%) aligned >1 times
88.32% overall alignment rate

aligned exactly 1 time 表示唯一比对。

在网上查了很多方法,进行HISAT2比对时,很多人建议只需要用grep "NH:i:1"就可以筛选出唯一比对,但是筛选出的read个数和输出的log文件显示的个数不相符。也看到其他人提问过这个问题,但是没有人解答,所以分享出来。

Bowtie1

只需要在mapping时 加入 -m 1 ,就可以直接输出所有 唯一比对的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 203,362评论 5 477
  • 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 85,330评论 2 381
  • 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 150,247评论 0 337
  • 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 54,560评论 1 273
  • 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 63,580评论 5 365
  • 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 48,569评论 1 281
  • 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 37,929评论 3 395
  • 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 36,587评论 0 258
  • 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 40,840评论 1 297
  • 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 35,596评论 2 321
  • 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 37,678评论 1 329
  • 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 33,366评论 4 318
  • 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 38,945评论 3 307
  • 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 29,929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 31,165评论 1 259
  • 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 43,271评论 2 349
  • 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 42,403评论 2 342