阅读 212

soap比对结果文件说明

前言

更多内容,请访问我的 个人博客


soap华大基因 开发的一款短序列比对软件(软件主页) 。不过很可惜,这个网址已经没人维护了。

由于我现在承接了一个古老的项目(2012年的),项目中就是用的soap比对,因此这里整理了网上对该比对软件的结果文件介绍。

soap格式文件可以用纯文本编辑器打开,部分内容如下所示:

CL100152537L1C001R001_82        TTATAAATAAAACTCCCATCTCCCTGGGACAGAGC     FFEGGEFGDGGGFGFGGFGGGFGGF;@BAFF;E@E     18      a       35      +       chr8    89537925        0       35M     35
CL100152537L1C001R001_100       AGAAAACACTCCCTCAGGGAAGTGCCAGCCCTCCT     >8@F?DGFGGEGGFGB7?7FAAF>GF9BBGFGGGF     1       a       35      +       chr11   65819516        1       G->15A2 35M     15G19
...
复制代码

从左至右,依次表示:

  • 编号:read的编号。
  • read序列:如果read比对上参考序列的负链,会被反向互补为正链。
  • 质量值:序列的质量值,和序列顺序一致,如果read反向互补,质量值也会随着改变。
  • 比对次数:比对上的次数。没有比对上的read将被忽略。
  • a/b:pair-end比对的标记, 表示read属于来自哪个文件。
  • 长度:read长度,如果是容缺失的比对,长度将是加上缺失片断的长度。
  • +/-:比对上参考序列的正链或负链。
  • 染色体名称:参考序列的染色体名称。
  • 位点:第一个碱基在染色体上的位置,从1开始。
  • 错配的个数:默认为0。
  • 错配的详细信息G->15A2 意思是一个错配,在参考序列的位置是的位置+15(从0开始),在参考序列上是G,read上是A,质量值是2。
  • 比对上的数目35M 意思是35个碱基比对上了。
  • 对比的细节15G19意思是前15个比对上了,第16(参考序列上位置+16)个是错配,后面19个还是比对上了。