生物信息學100個基礎問題 —— 第20題 SAM/BAM中的其它重要信息列

Hello大家好！今天我們又見面了！

今天我們來繼續探索SAM/BAM文件的信息列。

我們之前已經說過，1個標準的SAM文件包含前面的11列標準信息列和若干標識符信息列（如表1所示），其中前面的6列我們已經為大家解釋清楚。那麼今天我們來繼續探索剩下的7到11列。

第7列，一般情況下是指Pair read的另一半的比對的參考基因組；

第8列，一般情況下是指Pair read的另一半的比對的參考基因組的坐標；

第9列，可以簡單理解為這1對read比對到基因組上以後，上游第1個鹼基到下游最後1個鹼基的距離。如果用負號表示是下游的序列；如果是正數表示為上游的序列；如果是0表示只是單端比對上；

第10列，進行比對read的序列信息；

第11列，進行比對read的質量信息；

對於我們今天的簡單講解，其實還涉及到很多概念，就比如在SAM官方文檔中，對template，segment，read的各自定義就很讓人撓頭，我也是用了很長的時間才弄懂學會的。大家有興趣的可以看一下圖2我的截圖，看看裡面的定義。

那麼我們今天的問題如下：

1. 圖1中第20行，第9列記錄了TLEN值，請你根據今天的文章與圖1中的信息，列出算式計算TLEN值。

2. 如果使用FASTA文件作為input，第11列的質量值是否還有意義？為什麼？

3. 有沒有可能通過SAM文件，提取裡面的序列信息並轉換成FASTQ格式的文件？如果可能，請你寫出程序思路。

大家在看了我們的BBQ100活動以後，也不要忘了支持我們的知乎Live！

孟浩巍的知乎 Live - 生物信息學

購買任意一個上面鏈接內生物信息學的知乎Live都可以加入我們的生物信息學交流群。

目前群已經有1000多人了！謝謝大家的支持！

另外，今天說一件特別不開心的事情！

我辦了這麼多場Live，哪一場不是精心準備，3000多人次聽從來沒有差評。今天我真的有點無力吐槽了…… 可能我們真的不是一路人。

@知乎小管家 你們能不能管管？？？