外觀
samtools
處理 SAM / BAM / CRAM 比對檔的標準工具:排序、索引、篩選、統計、計算深度。格式說明見 BAM。
指令速查
| 想做 | 指令 |
|---|---|
| 依座標排序 | samtools sort -@ 8 -o sorted.bam in.bam |
建索引(.bai) | samtools index sorted.bam |
| 每條染色體的 reads 數 | samtools idxstats sorted.bam |
| 快速比對摘要 | samtools flagstat sorted.bam |
| 完整統計 + 圖 | samtools stats sorted.bam > s.stats && plot-bamstats -p plots/ s.stats |
| 取某區域(需索引) | samtools view -b -o sub.bam sorted.bam chr12:25200000-25300000 |
| 依 BED 取區域 | samtools view -b -L targets.bed -o sub.bam sorted.bam |
| 過濾低 MAPQ、未比對、次要比對 | samtools view -b -q 20 -F 0x904 -o filt.bam sorted.bam |
| BAM → SAM(含 header) | samtools view -h -o out.sam in.bam |
| BAM → FASTQ | samtools fastq -1 R1.fq.gz -2 R2.fq.gz -n in.bam(先 samtools collate) |
| BAM ↔ CRAM | samtools view -C -T ref.fa -o out.cram in.bam |
| 每個區域的深度總和 | samtools bedcov regions.bed sorted.bam |
| 每個鹼基的深度 | samtools depth -a -b regions.bed sorted.bam |
| 每條染色體的覆蓋率摘要 | samtools coverage sorted.bam |
| 參考序列索引、取序列 | samtools faidx ref.fa、samtools faidx ref.fa chr1:100-200 |
| 標記重複 | 見下方 markdup 流程 |
| 常用參數 | 意義 |
|---|---|
-@ N | 額外執行緒數 |
-b / -C / -h | 輸出 BAM / 輸出 CRAM / 輸出含 header |
-q INT | 最低 MAPQ(見 Mapping Quality) |
-f / -F FLAG | 只留 / 排除含該 FLAG 的 reads;FLAG 意義可查 Explain SAM Flags |
-a(depth) | 連深度為 0 的位置也輸出;否則 0 深度位置被略過,平均深度會高估 |
重複標記(samtools 版本)
bash
samtools collate -@ 8 -O -u in.bam \
| samtools fixmate -m -u - - \
| samtools sort -@ 8 -u - \
| samtools markdup -@ 8 -f dup_stats.txt - dedup.bam # -r 直接移除重複
samtools index dedup.bamfixmate -m 補上 mate score,markdup 才能判斷重複;也可以改用 Picard MarkDuplicates。
讀懂 flagstat
text
363458 + 0 in total (QC-passed reads + QC-failed reads)
363458 + 0 primary
0 + 0 secondary
0 + 0 supplementary
0 + 0 duplicates
362756 + 0 mapped (99.81% : N/A)
362756 + 0 primary mapped (99.81% : N/A)
0 + 0 paired in sequencing
0 + 0 properly paired (N/A : N/A)
0 + 0 singletons (N/A : N/A)
0 + 0 with mate mapped to a different chr| 欄位 | 意義 | 判讀 |
|---|---|---|
+ 前 / 後 | 通過 / 未通過 QC 的 reads | 後者通常是 0 |
| primary | 每條輸入 read 的主要比對 | ≈ 輸入 reads 數 |
| secondary | multi-mapper 的其他候選位置 | STAR / HISAT2 會輸出;BWA 預設不輸出 |
| supplementary | 嵌合比對(chimeric)的其他片段 | 融合基因、結構變異的線索 |
| duplicates | 被標記為重複的 reads | 比對器不會標,要先跑 markdup |
| mapped | 比對到的 reads(含 supplementary) | 比對率看 primary mapped 較準 |
| properly paired | 兩端方向與距離都合理 | 最保守的「好 reads」數 |
| singletons | 自己有比對、mate 沒有 | 偏高時檢查 adapter / 污染 |
| mate mapped to a different chr | 兩端在不同染色體 | 少量正常;過多可能是嵌合 library 或易位 |
上例是單端資料(paired 為 0),primary mapped 99.81% 屬正常。解讀參考:Biostars。
深度輸出
text
# samtools bedcov:BED 欄位 + 該區域所有鹼基深度的「總和」(不是 reads 數)
chr12 25378547 25378707 KRAS 1 709757 # ÷ 160 bp ≈ 平均深度 4436×
# samtools depth:每個位置一列(1-based)
chr12 25378548 4909平均深度 = bedcov 總和 ÷ 區域長度。要附鹼基組成(A/C/G/T 計數)用 sambamba depth base;大量樣本求速度可用 mosdepth。深度與均勻度的指標見 定序深度與覆蓋度。
常見錯誤
| 錯誤 | 原因 / 修正 |
|---|---|
view 取區域報錯 | 沒有 .bai,或 BAM 未排序;先 sort 再 index |
| 區域查不到 reads | 染色體名稱不同(chr12 vs 12);用 samtools view -H in.bam | grep @SQ 確認 |
flagstat 的 mapped 比例看起來偏高 | 包含 supplementary;看 primary mapped |
depth 平均深度偏高 | 沒加 -a,0 深度位置被略過 |
samtools flagstats 找不到指令 | 正確名稱是 flagstat(無 s) |