FASTQ! BAM! VCF

生信小白：肉哥，上次听完你的介绍，我满脑子跟这张图片一样...凌乱？！我们为什么不一次性把整本书读取了，非要把这本书撕碎呢？

西克孚肉：这主要受限于技术，测序仪一次只能读取几百、几千、几万个碱基，这与庞大的人参考基因组比，相差好多。我们只能多复印几本书，打碎了，把碎纸片拼凑起来。就跟拼图一样，查看参考图纸，试图弄清楚每个小块的位置，然后慢慢组合在一起。

生信小白：这么多块拼图...我觉得我一辈子都拼不完！！！

西克孚肉：都8012年了，有计算机了啊！这就是我们生信猿的价值所在了嘛。

回到主题，今天给你讲讲数据格式，我们生信猿常觉得自己是格式转换器。生信分析的旅程大致是，接收FASTQ，获得BAM，然后生成VCF。

Q：FASTQ文件是什么？

西克孚肉：

通常人们会拿着DNA的碎纸片，由碎纸片扫描的图片文件，转化成文本文件就是FASTQ。

FASTQ存的是测序仪产生的原始测序数据:

第一行：以‘@’开头，是这一条序列的名字
第二行：序列，由A，C，G，T和N这五种字母构成，这是我们真正关心的DNA序列，N代表的是测序时那些无法被识别出来的碱基
第三行：固定为‘+’
第四行：测序质量值，它描述的是每个测序碱基的可靠程度，用ASCII码表示

生信小白：产生这些小拼图文件之后，这些拼图与盒子上的参考图会有不同吗？

西克孚肉：当然会啦，这张图片毕竟只是个参考啦。人与人之间存在许多差异，这些差异解释了为什么有的人容易得某种癌症，有的人对一些药物有反应，而另一些人没有反应。找寻差异的过程也使生信分析变得更加有趣。

Q：BAM文件是什么？

西克孚肉：

把FASTQ文件比对到参考基因组之后，我们得到SAM或者BAM。BAM就是SAM的二进制文件。SAM是纯文本文件，十分巨大。为解决空间爆满的问题，BWA的开发者设计了一种高效的压缩算法，压缩得到的BAM文件大小差不多只有原来的1/6。

BAM文件分为两个部分：头文件（header）和比对结果（record，有时也叫alignment section）。

头文件：每一行都用‘@’ 符号开头，里面主要包含了版本信息，序列比对的参考序列信息

比对结果：BAM的核心，包含以下几个内容

让我们回忆一下：
FASTQ记录的是原始序列和测序质量，BAM记录的是序列比对信息，下面介绍VCF，这是记录变异信息的文件格式。

Q：VCF文件是什么？

西克孚肉：

VCF文件分为两个部分，第一部分是说明文件，每行均以两个## 符号开头，第二部分是突变信息。

这样我们就可以解释倒数第四行的内容：

20：17330 是一个新发现的由T到A的变异，但质量值较低（QUAL=3），根据说明文件的第十三行，质量值小于10，被标成了‘q10’，在后续分析中可以被过滤掉。

其它行代表什么信息，大家感兴趣的话也可以试着翻译翻译。

欢乐的时光总是过的特别快，今天就讲到这里啦，下一期我们来介绍从FASTQ到BAM经历了什么。

往期回顾：

第0期生信分析是个什么玩意儿？

参考文献：

李金明．高通量测序技术[M]．北京：科学出版社，2018：84-91．
Goodwin S , Mcpherson J D , Mccombie W R . Coming of age: ten years of next-generation sequencing technologies[J]. Nature Reviews Genetics,2016, 17(6):333-351
FASTQ_format：https://en.wikipedia.org/wiki/FASTQ_format
SAM / BAM / CRAM - Mapped sequence data formats：https://gatkforums.broadinstitute.org/gatk/discussion/11014/sam-bam-cram-mapped-sequence-data-formats
Variant_Call_Format：https://en.wikipedia.org/wiki/V

FASTQ! BAM! VCF相关推荐

生信分析矫正P值_生物信息分析：从入门到精（fang）通（qi）第1期FASTQ! BAM! VCF! 傻傻分不清楚...
生信小白:肉哥,上次听完你的介绍,我满脑子跟这张图片一样...凌乱?!我们为什么不一次性把整本书读取了,非要把这本书撕碎呢? 西克孚肉:这主要受限于技术,测序仪一次只能读取几百.几千.几万个碱基,这与 ...
linux bam文件格式,pysam - 多种格式基因组数据（sam/bam/vcf/bcf/cram/…）读写与处理模块（python）...
在开发基因组相关流程或工具时,经常需要读取.处理和创建bam.vcf.bcf文件.目前已经有一些主流的处理此类格式文件的工具,如samtools.picard.vcftools.bcftools,但此 ...
pysam - 多种格式基因组数据（sam/bam/vcf/bcf/cram/…）读写与处理模块（python)--转载...
pysam 模块介绍!!!! http://pysam.readthedocs.io/en/latest/index.html 在开发基因组相关流程或工具时,经常需要读取.处理和创建bam.vcf.b ...
从FASTQ到BAM经历了什么？
第2期从FASTQ到BAM经历了什么? GeneDock聚道科技为生命计算,助看病不难! 已关注杨杨杨等 20 人赞同了该文章生信小白:肉哥啊,上次介绍了数据处理过程中的三种重要格式,那从F ...
从入门到精（fang）通（qi）第5期我们的征途是星辰大海
生物信息分析:从入门到精(fang)通(qi)第5期我们的征途是星辰大海 GeneDock聚道科技为生命计算,助看病不难! 已关注 19 人赞同了该文章生信小白:震惊!一个全基因组会产生数百万个 ...
第4期变异注解之旅
第4期变异注解之旅 GeneDock聚道科技为生命计算,助看病不难! 已关注饭饼饼 . Suranyi 等 20 人赞同了该文章生信小白:肉哥,在第1期的介绍中,你讲了VCF文件,但我们只知道 ...
生物信息Python-从入门到精通？
Python开发的方向太多了,有机器学习,数据挖掘,网络开发,爬虫等等.其实在生信领域,Python还显现不出绝对的优势,生信的大部分软件流程都是用shell或Perl写的,而且已经足够好用了.我选P ...
生物信息分析：从入门到精通结语
生物信息分析:从入门到精(fang)通(qi)结语:入门生信一时爽,一直分析一直爽 GeneDock聚道科技为生命计算,助看病不难! 已关注王焕威等 8 人赞同了该文章生信小白:服务器.超算. ...
fastp: 极速全能的FASTQ文件自动质控+过滤+校正+预处理软件
软件作者介绍陈实富博士,海普洛斯联合创始人 / CTO 海普洛斯是全球领先的精准医疗和基因大数据国家高新技术企业,拥有 Illumina NovaSeq. HiSeq X10.NextSeq等全系列 ...

FASTQ! BAM! VCF

FASTQ! BAM! VCF

FASTQ! BAM! VCF相关推荐

最新文章

热门文章