參考文獻：

sam文件詳解?https://genome.sph.umich.edu/wiki/SAM

mapping quality的算法?https://genome.sph.umich.edu/wiki/Mapping_Quality_Scores

博客參考?https://blog.csdn.net/xcaryyz/article/details/79257604

首先看一下,在bam文件中常用的一些列名稱

QNAME：這里指得是查詢序列的名稱，也就是我們的reads名稱

FLAG： 以10進制或者16進制數的形式來代表一些比對的意義，如下圖所示，，2代表完全匹配，4代表沒有匹配，16代表反向匹配，1024代表duplicate，而這些數字是可以相加的，例如2+1024是1026，代表完全匹配但是是個duplicate

這里有一個比較詳細的關于flag的說明：

https://www.jianshu.com/p/f67702926928

以及一個比較消息的中文說明圖表

圖片來源：https://www.jianshu.com/p/31dc18837d4b?

RNAME：代表參考序列的名稱，一般指染色體編號

POS：位置信息

MAPQ：mapping quality比對質量值

CIGAR:一段字符，用于表示比對的情況，例如3M1I3M3D140M，代表reads的前3個匹配加1個堿基插入加3個匹配再加3個缺失再加140個匹配

RNEXT：對于雙端測序而言，指的是另一條配對的reads的比對位置，如果比對到了同一個模板上(染色體上)則是=，如果比對到了其他的染色體(參考序列)上就是一個染色體編號，如果沒有則是*。

PNEXT:對于雙端測序而言，另一條reads匹配到的位置

TLEN:查詢序列模板的長度(存有疑問)

SEQ:reads的序列信息

QUAL：這個指的是堿基質量值，它的算法如下：

?

?這里p指得是堿基判斷錯誤的概率，英文：base-calling error probabilities ，這里在加33之前的值叫Pred quality score

之所以要加33是為了對應ascii碼中的可見字符，如果一個堿基的質量為0，那么對應的就是ascii碼中的33，也就是！

?除去11個必選字段以外，還有一些可選的字段，但是對于這些可選字段的介紹好像不太好找解釋，目前先寫到這里，等我搞清楚了可選字段以后再寫。

總結

以上是生活随笔為你收集整理的从bam文件的内容来学习Phred quality score /QUAL/Cigar/等常用概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。