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 10:21:43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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~053CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
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!C0367- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (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
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

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
307
337

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58