SAM（Sequence Alignment/Map）是一种用于存储测序序列比对结果的文本格式，它是BAM（Binary Alignment/Map）格式的文本表示形式，BAM格式本质上是经过压缩的SAM格式，用于节省存储空间和提高数据传输效率。SAM格式文件通常包含头文件部分（header section）和比对部分（alignment section）。

## 头文件部分（Header Section）

以`@`开头的行表示头文件部分，主要包含了一些关于比对的参考序列（如基因组）和比对程序的信息。

- `@HD`行包含了关于SAM文件格式版本和排序顺序的信息。格式一般为`@HD VN:1.0 SO:coordinate`，其中`VN`表示版本号，`SO`表示排序顺序，`coordinate`表示按照参考基因组的坐标排序。

- `@SQ`行描述了参考序列的信息。例如`@SQ SN:chr1 LN:248956422`，其中`SN`表示参考序列的名称（如染色体编号`chr1`），`LN`表示参考序列的长度（这里是`248956422`碱基对）。

- `@RG`行用于描述读取组（read group）的信息，在处理多样本数据等复杂情况时很有用。例如`@RG ID:group1 PL:ILLUMINA LB:library1 SM:sample1`，其中`ID`是读取组的标识符，`PL`表示测序平台（这里是`ILLUMINA`），`LB`表示测序文库，`SM`表示样本名称。

## 比对部分（Alignment Section）

每一行代表一个测序读段（read）与参考序列的比对结果。各个字段之间以制表符（`\t`）分隔。

  - 第一个字段是读段名称（QNAME），通常是测序仪器产生的唯一标识符。例如`SRR1234567.1`，它用于区分不同的读段。

  - 第二个字段是标志（FLAG），这是一个整数，用于表示读段的多种属性。比如，它可以表示读段是否在反向链上、是否是配对末端测序（paired-end sequencing）的第一个或第二个读段等。一些常见的标志值如下：

    - `0x1`：表示这个读段是配对末端测序的第一个读段。

    - `0x2`：表示这个读段是配对末端测序的第二个读段。

    - `0x4`：表示这个读段没有比对到参考序列上。

    - `0x8`：表示这个读段的下一个读段（如果是配对末端测序）没有比对到参考序列上。

    - `0x10`：表示这个读段是反向链比对。例如，如果想筛选出反向链上的读段，可以通过检查这个标志位与`0x10`（十进制为`16`）的按位与运算结果是否不为零来实现。

  - 第三个字段是参考序列名称（RNAME），它指定了读段比对到的参考序列的名称，这个名称应该与头文件部分`@SQ`行中定义的参考序列名称相对应。

  - 第四个字段是参考序列上的位置（POS），表示读段在参考序列上的起始位置，位置是从1开始计数的。

  - 第五个字段是比对质量值（MAPQ），它是一个整数，用于衡量读段比对到参考序列的质量。质量值越高，表示比对的可靠性越高。例如，质量值为`60`表示比对的错误概率较低。

  - 第六个字段是CIGAR（Compact Idiosyncratic Gapped Alignment Report）字符串，它用于描述读段与参考序列比对的具体情况，包括匹配（`M`）、插入（`I`）、缺失（`D`）、软剪辑（S，Soft - Clipping）、跳过（N，Skip）等操作。例如，`100M`表示读段有100个碱基与参考序列完全匹配。

  - 第七个字段是配对读段的参考序列名称（RNEXT），如果是配对末端测序，这个字段表示另一个读段比对到的参考序列名称。如果没有配对读段或者配对读段没有比对到参考序列上，这个字段可以是`*`；`=`表示配对读段（如果是配对末端测序）比对到与当前读段相同的参考序列上。。

  - 第八个字段是配对读段在参考序列上的位置（PNEXT），对于配对末端测序，这个字段表示另一个读段在参考序列上的位置。如果没有配对读段或者配对读段没有比对到参考序列上，这个字段可以是`*`。

  - 第九个字段是读段长度（TLEN），对于配对末端测序，这个字段表示两个读段之间的插入片段长度。如果没有配对读段或者配对读段没有比对到参考序列上，这个字段可以是`0`。

  - 后面的字段还可以包括测序读段的碱基序列（SEQ）和质量值序列（QUAL）等信息。例如，测序读段的碱基序列字段包含了读段本身的核苷酸序列，质量值序列字段包含了每个碱基的质量值，质量值越高，说明该碱基的测序准确性越高。

https://gitee.com/biox-lab/biclass.biox/blob/master/%E4%BF%AE%E4%B8%9A/Bioinformatics/Algorithm/Mapping/File-Format/SAM/SAM%E6%A0%BC%E5%BC%8F%E7%AE%80%E4%BB%8B.md

#HTS #SAM #mapping