如何從FASTQ轉(zhuǎn)換得到uBAM格式

這篇文章主要講解了“如何從FASTQ轉(zhuǎn)換得到uBAM格式”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“如何從FASTQ轉(zhuǎn)換得到uBAM格式”吧！

二代測序平臺產(chǎn)生的數(shù)據(jù)通常用fastq格式進(jìn)行存儲，fastq 存儲了我們最關(guān)心的序列和堿基質(zhì)量的信息。就測序而言，這樣的信息當(dāng)然是足夠了。但是對于分析而言，還缺少了一點信息。

給你一個fastq文件，你最多可以看出來樣本名，測序平臺，測序讀長等基本信息，如果想知道測序類型（是WES, WGS 還是RNA-seq）,  樣本的采樣信息，樣本的分組信息，這些信息從fastq 文件是無法得到的。這些實驗相關(guān)的數(shù)據(jù)，稱之為metadata。

uBAM和FASTQ相比，處理存儲了序列和堿基質(zhì)量信息之外，還可以存儲metadata信息。

GATK4中，數(shù)據(jù)預(yù)處理部分的示意圖如下

可以看到，對于原始數(shù)據(jù)，有兩種格式，一種就是我們常見的FASTQ; 另外一種就是uBAM。官方更加推薦使用uBAM格式。

如何從FASTQ轉(zhuǎn)換得到uBAM格式呢？我們需要借助picatd工具。picard提供了一個FastqToSam功能，可以將序列轉(zhuǎn)換成ubam格式。

基本用法如下：

java -jar picard.jar FastqToSam
   F1=sampleA_R1.fastq.gz
   F2=sampleA_R2.fastq.gz
   PL=illumina
   SM=sampleA
   LB=sampleA
   RG=sampleA
   O=sampleA.ubam

F1和F2指定原始的fastq格式的數(shù)據(jù)，對于雙端測序，同時指定F1和F2, 對于單端測序，指定F1就可以了。PL代表platform, 指定測序平臺，取值包含 illumina 和  solid 兩種；SM代表 sample  name, 指定樣本名稱；LB代表library name, 指定文庫名稱，RG代表read group, 指定reads group的名字，這兩個參數(shù)一般和樣本名相同就可以了。

ubam從名稱上也可以看出來，是屬于bam格式的，所以其內(nèi)容也分成了頭部和正文兩個部分。

1. 頭部的內(nèi)容

samtools view -H  sampleA.ubam
@HD    VN:1.5    SO:queryname
@RG    ID:sampleA    SM:sampleA    LB:sampleA    PL:illumina

第一行是標(biāo)準(zhǔn)的bam文件頭部的聲明，第二行的@RG就是轉(zhuǎn)換過程中添加的幾種metadata信息。

2. 正文的內(nèi)容

samtools view  sampleA.ubam

由于列數(shù)較多，這里我截取了前面幾列

每一行代表一條序列，序列ID相同的實際上是R1和R2端，從第二列的flag可以區(qū)分R1和R2端。

samtools flags 77
0x4d    77    PAIRED,UNMAP,MUNMAP,READ1
samtools flags 141
0x8d    141    PAIRED,UNMAP,MUNMAP,READ2

77對應(yīng)R1端, 141對應(yīng)R2端。
第三列的*代表沒有比對上染色體，這就是unmapped bam的由來。

通過FastqToSam可以從fastq文件得到ubam文件，picard 還提供了SamtoFastq命令，從bam 文件得到fastq 文件
用法如下：

java -jar picard.jar SamToFastq
   I=sampleA.ubam
   F=sampleA_R1.fastq
   F2=sampleA_R2.fastq

I代表input, 指定輸入的bam 文件；F和F2 指定輸出的fastq 文件。

感謝各位的閱讀，以上就是“如何從FASTQ轉(zhuǎn)換得到uBAM格式”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對如何從FASTQ轉(zhuǎn)換得到uBAM格式這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！