主要针对bwa生成的sam文件中，如何找到完美匹配的比对结果。
完美匹配（perfect match）是指：一条序列能够在不允许编辑距离（edit distance），碱基错配（mismatch）, GAP opens/extentions时能够比对到参考基因组上。
BWA比对的结果最终为sam（Sequence Alignment/Map）格式，内容如下：
| Col | Field | Description |
|---|---|---|
| 1 | QNAME | Query (pair) NAME |
| 2 | FLAG | bitwise FLAG |
| 3 | RNAME | Reference sequence NAME |
| 4 | POS | 1-based leftmost POSition/coordinate of clipped sequence |
| 5 | MAPQ | MAPping Quality (Phred-scaled) |
| 6 | CIAGR | extended CIGAR string |
| 7 | MRNM | Mate Reference sequence NaMe (‘=’ if same as RNAME) |
| 8 | MPOS | 1-based Mate POSistion |
| 9 | ISIZE | Inferred insert SIZE |
| 10 | SEQ | query SEQuence on the same strand as the reference |
| 11 | QUAL | query QUALity (ASCII-33 gives the Phred base quality) |
| 12 | OPT | variable OPTional fields in the format TAG:VTYPE:VALUE |
CIGAR值能够指示部分比对情况，但是但从CIGAR值来判断比对详细情况是不够的，所以，比如一条序列长度为36bp，比对到基因组上，CIGAR值为“36M”，单凭这个值是不能判断是否为完美匹配的。
我们需要根据bwa结果中的OPT列，即tag值来进行进一步的判断。bwa中提供的tag值如下：
| Tag | Meaning |
|---|---|
| NM | Edit distance |
| MD | Mismatching positions/bases |
| AS | Alignment score |
| BC | Barcode sequence |
| X0 | Number of best hits |
| X1 | Number of suboptimal hits found by BWA |
| XN | Number of ambiguous bases in the referenece |
| XM | Number of mismatches in the alignment |
| XO | Number of gap opens |
| XG | Number of gap extentions |
| XT | Type: Unique/Repeat/N/Mate-sw |
| XA | Alternative hits; format: (chr,pos,CIGAR,NM;)* |
| XS | Suboptimal alignment score |
| XF | Support from forward/reverse alignment |
| XE | Number of supporting seeds |
在使用tag信息挑选perfect match时，设置NM（编辑距离）为0，XM（错配个数）为0，X0（最佳匹配个数）为1。之所以设置最佳匹配数，是因为一条序列有可能有多个完美匹配，这种序列在后续分析中不会用到，这个参数是可选的。
使用Perl语言设置的过滤条件如下：
next if $line !~ /NM:i:0/;
next if $line !~ /XM:i:0/;
next if $line !~ /X0:i:1s+/;
(完)
最后
以上就是机智手套最近收集整理的关于SAM得到完美匹配（perfect match）的全部内容，更多相关SAM得到完美匹配（perfect内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复