Skip to content

生資工具 › NGS 工具 › samtools

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 → FASTQsamtools fastq -1 R1.fq.gz -2 R2.fq.gz -n in.bam(先 samtools collate)
BAM ↔ CRAMsamtools 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.bam

fixmate -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
secondarymulti-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)