【直播】我的基因组（十四）:bam文件给按照染色体给分割成小文件 / 四六文摘

昨天，我们了解了一下SAM格式的比对结果，不知道大家理解的怎么样。但是全基因组测序数据实在是太大了，即使比对后把sam文件压缩成二进制的bam文件也还有55G（如何压缩转换可查看直播十二），如果完整的导入IGV查看会略微考验计算机配置。

如果按照染色体（chr1-chr22,chrX,chrY,chrMT）来分割写一个脚本其实很容易，无非是效率的高低而已。但是我Google了一下，发现有现成的工具，也顺便试用一下这个软件bamtools。

如果需要手动切割，用下面的脚本，其中$BAM是需要传进去的参数。

for chrom in `seq 1 22` X Y MT do samtools view -bh $BAM chr${chrom} | samtools sort - chr${chrom} samtools index chr${chrom}.bam done

如果需要使用现成的工具bamtools的话，该软件的github地址是：https://github.com/pezmaster31/bamtools 。安装也是非常容易，因为没有二进制可执行版本，所以需要下载源码自己编译。

## Download and install variationtoolkit

## https://github.com/pezmaster31/bamtools/wiki/Building-and-installing

cd ~/biosoft

mkdir bamtools && cd bamtools

git clone git://github.com/pezmaster31/bamtools.git

cd bamtools

cmake --version ## BamTools requires CMake (version >= 2.6.4).

mkdir build && cd build

cmake ../

make

~/biosoft/bamtools/bamtools/bin/bamtools

与我以前安装的软件不太一样的是要先cmake然后再make，而且保证cmake的版本不低于2.6.4

用法非常简单：

bamtools split -in file.bam -reference

我的代码如下：

~/biosoft/bamtools/bamtools/bin/bamtools split \

-in /data/project/myGenome/bamFiles/P_jmzeng.final.bam \ -reference

## 这里指定按照reference来分离bam文件

还可以指定 -tag RG 来把这个bam文件按照原来的测序上样品的lane给分离开(因为本身测序文件就是多个，比对后merge的bam)

也可以指定-mapped来分离比对成功与否的bam文件！

默认split后的小bam文件，就在原来的大的bam文件目录下，这个55G的文件，运行了近8个小时。

上面的脚本也好，这个bamtools工具也好，都是一个个染色体依次运行，所以速度很慢，其实可以同时开25个文件句柄，一次读入，全部写出！！！

最后呢，留个问题给大家，对于PE reads，如果左端的reads比对到1号染色体，但是右端比对到2号染色体，这个应该归于哪个染色体的比对情况呢？欢迎大家评论区留言!

文：Jimmy、吃瓜群众

图文编辑：吃瓜群众

【直播】我的基因组（十四）:bam文件给按照染色体给分割成小文件