Trim Illumina 读取 bam/sam 文件答案

【问题标题】：Trim Illumina reads in a bam/sam fileTrim Illumina 读取 bam/sam 文件
【发布时间】：2020-04-26 16:16:56
【问题描述】：

我找到了很多用于以 fastq 格式修剪读取的工具，但有没有可用于修剪已经对齐的读取的工具？

【问题讨论】：

1: biostars.org 2: 修剪是什么意思？我一直在处理 fasta 和 fastq 文件，我不知道你在问什么。
修剪意味着根据特定标准从序列末端去除碱基。它可以只是两端的一组数字，也可以基于 fastq 的质量。 Trimmomatic 和 FastX 工具包可以为 fastq 执行此操作，但我正在寻找在 bam 文件中执行此操作的内容。

标签： bioinformatics fastq

【解决方案1】：

我个人不鼓励在对齐读取后修剪读取，尤其是当您尝试修剪的序列是接头序列时。

这些接头序列的存在会阻止您的读数与基因组正确对齐（根据我的经验，您应该得到的对齐百分比要低得多）。由于您的对齐方式已经不准确，因此在对齐后修剪序列（垃圾输入，垃圾输出）将毫无意义。

在对齐它们之前修剪 fastq 文件会更好。

【讨论】：

感谢您的建议。我最终这样做了。
如果读数已经与参考基因组对齐，我不明白为什么修剪会成为问题，特别是如果有理由相信由于处理导致 DNA（或 RNA）受损.你能详细说明一下吗？

【解决方案2】：

您是希望对齐通知修剪协议，还是要修剪质量值等内容？一种方法是简单地转换回 FASTQ，然后使用无数可用的传统修剪选项中的任何一种。你可以用 Picard 做到这一点：

http://picard.sourceforge.net/command-line-overview.shtml#SamToFastq

【讨论】：

我希望对齐通知修剪协议。我想要执行此操作的读取是 RNAseq 读取，因此必须考虑拆分读取。我可以写一些东西来简单地修剪读取和质量分数，但是在考虑 CIGAR 字符串的同时更新对齐似乎有点棘手。

【解决方案3】：

一种可能性是使用 GATK 工具集，例如 ClipReads。如果要移除适配器，可以使用 ReadAdaptorTrimmer。无需转换为 fastq（文档：http://www.broadinstitute.org/gatk/gatkdocs/）。

当然，Picard 是另一种可能性。

【讨论】：

【解决方案4】：

在完成大量比对工作后，当您希望将读取标准化为相同长度时，会遇到修剪 bam 文件中的读取的情况。修剪 fastq 读取后重新映射不是节能的。在站点读取中，从 bam 文件中修剪将是首选解决方案。

请尝试bbmap/reformat.sh，它可以使用接受bam格式的输入文件修剪读取。

reformat.sh in=test.bam out=test_trim.bam  allowidenticalnames=t overwrite=true forcetrimright=74 sam=1.4
## the default output format of reformat is sam 1.4. however, many tools only recognize 1.3 version. So the following step is to convert the 1.4 to version 1.3.
reformat.sh in=test_trim.bam out=test_trim_1.3.bam allowidenticalnames=t overwrite=true sam=1.3

【讨论】：