首页
/ 从BAM文件完整提取原始测序数据的技巧与注意事项

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:

  1. samtools fastq基本用法:
samtools fastq -1 r1.fq -2 r2.fq input.bam
  1. bedtools bamtofastq
bedtools bamtofastq -i input.bam -fq r1.fq -fq2 r2.fq
  1. Picard SamToFastq
picard SamToFastq I=input.bam F=r1.fq F2=r2.fq FU=unmapped.fq
  1. 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-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

  1. 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
  1. 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
  1. 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

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
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
communitycommunity
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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
openHiTLSopenHiTLS
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-entropynop-entropy
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
274
RuoYi-Vue3RuoYi-Vue3
🎉 (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
金融AI编程实战金融AI编程实战
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