从BAM文件完整提取原始测序数据的技巧与注意事项

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

2. bedtools bamtofastq：

bedtools bamtofastq -i input.bam -fq r1.fq -fq2 r2.fq

3. Picard SamToFastq：

picard SamToFastq I=input.bam F=r1.fq F2=r2.fq FU=unmapped.fq

4. 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

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

2. 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

3. 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。