有时候，我学一些东西，看啊看啊，花了很长时间，觉得自己会了，然而到真正需要的时候，总会捉襟见肘，每每后悔当时为什么不实践😑

SAM，表示 Sequence Alignment/Map format，以 TAB（制表符）为分隔符的文本文件，可以直接使用less 、head等命令查看。SAM分为两部分，注释信息（Header Section，optional）和比对结果部分 （Alignment Section），如果包含Header部分，Header部分必须在Alignment部分之前。 注释信息：SAM文件产生以及被处理过程的一个记录，规定必须以@开头，用不同的tag表示不同的信息，主要有：@HD，说明符合标准的版本、对比序列的排列顺序；@SQ，参考序列说明；@RG，比对上的序列（read）说明；@PG，使用的程序说明；@CO，任意的说明信息。 比对结果部分，每行必须有11个代表基本比对信息的字段（如比对位置），可选择性包含特定信息的其他字段（比较灵活）

上边例子中的Header只是比较有代表性的一部分，Header可以囊括好多好多信息，如果想了解，就翻译翻译下面的图片（截图于SAM格式官方文档），或者直接访问官网文档，里面有详尽的解释：

在我之前，已经有很多博主对官方文档进行了解释，所以我这里就不一一介绍每个位置了，只说明我认为常用的一部分

比对部分每行包括11个必须要有的字段，如下图，同样的，这里只重点介绍一部分，如果想详细了解，请参考官方文档

就是上图所示的FLAG部分，其每一个部分都可以在下图中找到含义，这部分字段在常规需要过滤的测序数据处理过程中经常会用到： 应用例子：

FLAG的不同组合都会产生一个整数，大部分时候，人类不能一下子就明白该整数的含义，解释起来有点儿困难，所以有人为了方便，专门写了个网页工具：https://broadinstitute.github.io/picard/explain-flags.html，熟悉的人一下子就能看出，这个工具是开发Picard工具的团队制作的，方便生信工作者使用他们的工具过滤数据。

引用官方的定义：

简单解释一下就是： M A P Q = − 10 × log ⁡ 10 ( 比对出错的概率 ) MAPQ= -10\times \log_{10}(比对出错的概率) MAPQ=−10×log10​(比对出错的概率)，然后近似为整数，255表示没有意义，就是用来占位的。从概率的角度来看，每个Read的比对都是对一个真实比对的估计，它是一个随机变量，可能存在错误。错误的概率可以用 Phred 来衡量。假设一条序列的MAPQ的值为mQ，P 表示reads比对错误的概率。如果mQ 的值为 30 ，那么P(比对错误率） 就是 0.1%。嗯……大概是这意思吧。 MapQ的值受算法影响，但都是值越大代表质量越好，在应用过程中经常通过MapQ值，对数据进行过滤，比如上边的例子，-q 20参数的设定就表示，只选择保留MapQ值大于等于 20 的序列，严格一般选 30，松一松就选 10。

怎么说呢，对于目前的我来说，“CIGAR String” 没有前面提到的两个用的频繁（可能，做可变剪接方向的大佬会用的多一点），只用过对Soft clipping 和 Hard clipping的筛选和分类。按照我的理解，这部分是对比对情况的“编码”，是一种简写的方式。首先定义**Op (operators) **，并将其与数字结合使用，以解释序列的哪一部分是mapped，哪一部分不是，以及两者之间的其他所有关系，而不是列出整个比对情况。Op的定义如下图所示，直接从一个网站上截的图： 一个例子：

根据Op的定义，就会得到：

意思就是从参考序列的五号位开始，有3个Match，接着1个Insertion，又3个Match，1个Deletion，然后5个Match

还有其他的部分我就不一一介绍了，还是那句话，感兴趣的直接看官方文档，或者其他博主的介绍

…………就先不填充内容了，有兴趣的可以直接去官方文档，或者其他博主的介绍哈

BAM文件，内容和 SAM几乎一样，可以认为就是SAM文件的二进制编码（压缩）形式，意味着BAM有更小，读写速度更快。……此处省略N字（就不详细展开了）

一种相对较新的格式，与BAM非常相似，它也保留了与SAM相同的信息并进行了压缩，但它存储信息的方式要智能得多。很有前途，如果感兴趣，可以阅读CRAM。