Samtools安装及常用命令详解 |
您所在的位置：网站首页 › SAMtools › Samtools安装及常用命令详解 |
Samtools安装及常用命令详解
|
Samtools是一个用于操作sam和bam文件的工具合集。包含有许多命令。以下是常用命令的介绍 下载安装包： http://www.htslib.org/download/ 安装依赖：yum install bzip2-devel ncurses-libs ncurses-devel xz-devel zlib-devel编译安装Samtoolstar xvf samtools-1.9.tar.bz2 cd samtools-1.9 ./configure --prefix=/opt/samtools1.9 make make install配置环境变量：gedit ~/.bashrc #Samtools1.9 export PATH=/opt/samtools1.9/bin:$PATH source ~/.bashrc运行samtools
samtools常用命令详解 1. view view命令的主要功能是：将sam文件转换成bam文件；然后对bam文件进行各种操作，比如数据的排序(不属于本命令的功能)和提取(这些操作是对bam文件进行的，因而当输入为sam文件的时候，不能进行该操作)；最后将排序或提取得到的数据输出为bam或sam（默认的）格式。 bam文件优点：bam文件为二进制文件，占用的磁盘空间比sam文本文件小；利用bam二进制文件的运算速度快。 view命令中，对sam文件头部的输入(-t或-T）和输出(-h)是单独的一些参数来控制的。 Usage: samtools view [options] | [region1 [...]] 默认情况下不加 region，则是输出所有的 region. Options: -b output BAM 默认下输出是 SAM 格式文件，该参数设置输出 BAM 格式 -h print header for the SAM output 默认下输出的 sam 格式文件不带 header，该参数设定输出sam文件时带 header 信息 -H print header only (no alignments) -S input is SAM 默认下输入是 BAM 文件，若是输入是 SAM 文件，则最好加该参数，否则有时候会报错。 -u uncompressed BAM output (force -b) 该参数的使用需要有-b参数，能节约时间，但是需要更多磁盘空间。 -c Instead of printing the alignments, only count them and print the total number. All filter options, such as ‘-f’, ‘-F’ and ‘-q’ , are taken into account. -1 fast compression (force -b) -x output FLAG in HEX (samtools-C specific) -X output FLAG in string (samtools-C specific) -c print only the count of matching records -L FILE output alignments overlapping the input BED FILE [null] -t FILE list of reference names and lengths (force -S) [null] 使用一个list文件来作为header的输入 -T FILE reference sequence file (force -S) [null] 使用序列fasta文件作为header的输入 -o FILE output file name [stdout] -R FILE list of read groups to be outputted [null] -f INT required flag, 0 for unset [0] -F INT filtering flag, 0 for unset [0] Skip alignments with bits present in INT [0] 数字4代表该序列没有比对到参考序列上 数字8代表该序列的mate序列没有比对到参考序列上 -q INT minimum mapping quality [0] -l STR only output reads in library STR [null] -r STR only output reads in read group STR [null] -s FLOAT fraction of templates to subsample; integer part as seed [-1] -? longer help例子： 将sam文件转换成bam文件 $ samtools view -bS abc.sam > abc.bam $ samtools view -b -S abc.sam -o abc.bam 提取比对到参考序列上的比对结果 $ samtools view -bF 4 abc.bam > abc.F.bam 提取paired reads中两条reads都比对到参考序列上的比对结果，只需要把两个4+8的值12作为过滤参数即可 $ samtools view -bF 12 abc.bam > abc.F12.bam 提取没有比对到参考序列上的比对结果 $ samtools view -bf 4 abc.bam > abc.f.bam 提取bam文件中比对到caffold1上的比对结果，并保存到sam文件格式 $ samtools view abc.bam scaffold1 > scaffold1.sam 提取scaffold1上能比对到30k到100k区域的比对结果 $ samtools view abc.bam scaffold1:30000-100000 $gt; scaffold1_30k-100k.sam 根据fasta文件，将 header 加入到 sam 或 bam 文件中 $ samtools view -T genome.fasta -h scaffold1.sam > scaffold1.h.sam2. sortsort对bam文件进行排序。 Usage: samtools sort [-n] [-m ] -m 参数默认下是 500,000,000 即500M（不支持K，M，G等缩写）。对于处理大数据时，如果内存够用，则设置大点的值，以节约时间。 -n 设定排序方式按short reads的ID排序。默认下是按序列在fasta文件中的顺序（即header）和序列从左往右的位点排序。3.merge将2个或2个以上的已经sort了的bam文件融合成一个bam文件。融合后的文件不需要则是已经sort过了的。 Usage: samtools merge [-nr] [-h inh.sam] [...] Options: -n sort by read names -r attach RG tag (inferred from file names) -u uncompressed BAM output -f overwrite the output BAM if exist -1 compress level 1 -R STR merge file in the specified region STR [all] -h FILE copy the header in FILE to [in1.bam] Note: Samtools' merge does not reconstruct the @RG dictionary in the header. Users must provide the correct header with -h, or uses Picard which properly maintains the header dictionary in merging.4.index 必须对bam文件进行默认情况下的排序后，才能进行index。否则会报错。 建立索引后将产生后缀为.bai的文件，用于快速的随机处理。很多情况下需要有bai文件的存在，特别是显示序列比对情况下。比如samtool的tview命令就需要；gbrowse2显示reads的比对图形的时候也需要。 例子： 以下两种命令结果一样 $ samtools index abc.sort.bam $ samtools index abc.sort.bam abc.sort.bam.bai5. faidx对fasta文件建立索引,生成的索引文件以.fai后缀结尾。该命令也能依据索引文件快速提取fasta文件中的某一条（子）序列 Usage: samtools faidx [ [...]] 对基因组文件建立索引 $ samtools faidx genome.fasta 生成了索引文件genome.fasta.fai,是一个文本文件，分成了5列。第一列是子序列的名称； 第二列是子序列的长度；个人认为“第三列是序列所在的位置”，因为该数字从上往下逐渐变大， 最后的数字是genome.fasta文件的大小；第4和5列不知是啥意思。于是通过此文件，可以定 位子序列在fasta文件在磁盘上的存放位置，直接快速调出子序列。 由于有索引文件，可以使用以下命令很快从基因组中提取到fasta格式的子序列 $ samtools faidx genome.fasta scffold_10 > scaffold_10.fasta6. tviewtview能直观的显示出reads比对基因组的情况，和基因组浏览器有点类似。 Usage: samtools tview [ref.fasta] 当给出参考基因组的时候，会在第一排显示参考基因组的序列，否则，第一排全用N表示。 按下 g ，则提示输入要到达基因组的某一个位点。例子“scaffold_10:1000"表示到达第 10号scaffold的第1000个碱基位点处。 使用H(左）J（上）K（下）L（右）移动显示界面。大写字母移动快，小写字母移动慢。 使用空格建向左快速移动（和 L 类似），使用Backspace键向左快速移动（和 H 类似）。 Ctrl+H 向左移动1kb碱基距离； Ctrl+L 向右移动1kb碱基距离 可以用颜色标注比对质量，碱基质量，核苷酸等。30～40的碱基质量或比对质量使用白色表示； 20～30黄色；10～20绿色；0～10蓝色。 使用点号'.'切换显示碱基和点号；使用r切换显示read name等 还有很多其它的使用说明，具体按 ？ 键来查看。Usage: samtools tview [ref.fasta] 当给出参考基因组的时候，会在第一排显示参考基因组的序列，否则，第一排全用N表示。 按下 g ，则提示输入要到达基因组的某一个位点。例子“scaffold_10:1000"表示到达第 10号scaffold的第1000个碱基位点处。 使用H(左）J（上）K（下）L（右）移动显示界面。大写字母移动快，小写字母移动慢。 使用空格建向左快速移动（和 L 类似），使用Backspace键向左快速移动（和 H 类似）。 Ctrl+H 向左移动1kb碱基距离； Ctrl+L 向右移动1kb碱基距离 可以用颜色标注比对质量，碱基质量，核苷酸等。30～40的碱基质量或比对质量使用白色表示； 20～30黄色；10～20绿色；0～10蓝色。 使用点号'.'切换显示碱基和点号；使用r切换显示read name等 还有很多其它的使用说明，具体按 ？ 键来查看。7. 将bam文件转换为fastq文件 有时候，我们需要提取出比对到一段参考序列的reads，进行小范围的分析，以利于debug等。这时需要将bam或sam文件转换为fastq格式。 8. 使用bcftools bcftools和samtools类似，用于处理vcf(variant call format)文件和bcf(binary call format)文件。前者为文本文件，后者为其二进制文件。 bcftools使用简单，最主要的命令是view命令，其次还有index和cat等命令。index和cat命令和samtools中类似。此处主讲使用view命令来进行SNP和Indel calling。该命令的使用方法和例子为： $ bcftools view [-AbFGNQSucgv] [-D seqDict] [-l listLoci] [-s listSample] [-i gapSNPratio] [-t mutRate] [-p varThres] [-P prior] [-1 nGroup1] [-d minFrac] [-U nPerm] [-X permThres] [-T trioType] in.bcf [region] $ bcftools view -cvNg abc.bcf > snp_indel.vcf |
【本文地址】
今日新闻 |
推荐新闻 |