从BAM文件完整提取原始测序数据的技巧与注意事项
2025-07-09 10:17:44作者:秋泉律Samson
在基因组数据分析过程中,我们经常需要将比对后的BAM文件重新转换为FASTQ格式进行重新比对或其他分析。本文将以samtools工具为例,介绍如何正确处理BAM到FASTQ的转换,特别是针对不同比对状态(read状态)的reads处理。
常见转换方法比较
目前主要有以下几种方法可以将BAM转换为FASTQ格式:
- samtools fastq基本用法:
samtools fastq -1 r1.fq -2 r2.fq input.bam
- bedtools bamtofastq:
bedtools bamtofastq -i input.bam -fq r1.fq -fq2 r2.fq
- Picard SamToFastq:
picard SamToFastq I=input.bam F=r1.fq F2=r2.fq FU=unmapped.fq
- 按read方向分别提取:
samtools view -hbf 64 input.bam | samtools fastq > r1.fq
samtools view -hbf 128 input.bam | samtools fastq > r2.fq
关键问题与解决方案
1. 未比对reads的丢失问题
许多比对工具(如STAR)默认不会在输出BAM中包含未比对的reads,除非特别指定参数outSAMunmapped
。这会导致使用上述方法1和2时丢失这些reads。
解决方案:
- 使用
samtools fastq
的-s
参数单独输出单端reads:
samtools fastq -1 r1.fq -2 r2.fq -s singleton.fq input.bam
2. 比对状态标记的影响
BAM文件中的每条read都有多种状态标记:
- 未比对(-f 4)
- 第一端read(-f 64)
- 第二端read(-f 128)
- 辅助比对(-f 2048)
- 次要比对(-f 256)
建议做法:
- 首先确认BAM文件是按read name排序的
- 使用
samtools flagstat
检查各类reads的数量 - 根据需要选择适当的提取方法
最佳实践建议
- 数据完整性检查:
- 比对前记录原始FASTQ的reads数量
- 比对后使用
samtools flagstat
统计各类reads - 转换后检查FASTQ文件的行数是否匹配
- 转换参数选择:
- 对于完整提取,推荐:
samtools fastq -1 r1.fq -2 r2.fq -s singleton.fq input.bam
- 或者分别提取R1和R2:
samtools view -hbf 64 input.bam | samtools fastq > r1.fq
samtools view -hbf 128 input.bam | samtools fastq > r2.fq
- 流程设计建议:
- 在比对流程中保留原始FASTQ文件
- 如需从BAM反向提取,确保比对时包含未比对reads
- 考虑使用流程管理系统记录数据转换过程
总结
正确处理BAM到FASTQ的转换需要考虑多种因素,包括比对工具的参数设置、reads的不同状态标记以及转换工具的特性。理解这些细节可以帮助研究人员避免数据丢失,确保分析结果的可靠性。对于从公共数据库获取的BAM文件,建议优先检查数据完整性,并根据需要选择合适的转换方法。
记住,最可靠的方法始终是从原始FASTQ文件开始分析,BAM到FASTQ的转换应视为最后手段而非常规做法。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息09GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java01Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 小米Mini R1C MT7620爱快固件下载指南:解锁企业级网络管理功能 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K

deepin linux kernel
C
22
6

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
426
34

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
239
9

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
988
394

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
193
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
936
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69