biolearnexact1b57tgnx37x2px31x1bx2qx2px31

SAM/BAMとは何か

この記事で学ぶこと

SAM/BAMは、マッピング後のリードが参照配列のどこに、どのように対応したかを保存する代表的なファイル形式です。

SAMは人が読めるテキスト形式、BAMは同じ情報を圧縮したバイナリ形式です。実際の解析ではBAMがよく使われ、リードの位置情報からカバレッジ、発現量、バリアント候補などを計算します。

FASTQはリード配列と品質を持つ入口のファイルですが、SAM/BAMはマッピング後の位置づけを持つ中間データです。どのリードがどこに対応したかが分かることで、ゲノム上の深さや遺伝子ごとのカウントを調べられます。

SAM/BAMを理解すると、ゲノムブラウザで見えるリードの積み重なりや、バリアントコールの前提を読みやすくなります。解析結果の表だけを見るより、元になったリード配置を確認できる場面が増えます。

SAM/BAMには、リード名、参照配列名、位置、向き、マッピング品質、CIGAR文字列、塩基配列、品質スコアなどが含まれます。CIGARは、リードが参照配列に対して一致、挿入、欠失、スキップなどをどう含むかを表す情報です。

BAMは大きなデータを効率よく扱うために使われ、通常は座標順に並べ替えたり、インデックスを作ったりして使います。インデックスがあると、特定の染色体や領域だけを素早く表示できます。

まず、期待したサンプルに対応するBAMか、使ったリファレンスの版が合っているかを確認します。次に、総リード数、マッピング率、重複率、挿入サイズ、染色体ごとの分布、カバレッジなどを見ます。

ゲノムブラウザでは、BAMを読み込むことで特定領域のリード配置を確認できます。RNA-seqでは遺伝子領域にリードがどのように集まるか、ゲノム解析では候補変異の周辺にどのようなリードがあるかを見ます。

同じFASTQから作ったBAMでも、マッピングツール、リファレンス、重複リードの扱い、並べ替えやフィルタ条件によって後続結果が変わることがあります。バリアントコールや発現量推定では、どのBAMを使ったかが重要な前提になります。

カバレッジが低い領域では、変異候補や発現量の推定が不安定になることがあります。反対に、リードが多く見えても、重複やマッピングの曖昧さが原因の場合があります。

Methodsでは、BAMはマッピング後のファイルとして、ソート、重複処理、フィルタリング、インデックス作成などと一緒に説明されることがあります。データ公開では、FASTQに加えてBAMが提供される場合もあります。

Resultsでは、BAMそのものよりも、ゲノムブラウザ図、カバレッジトラック、ピーク、カウント、VCFなどの形で結果が示されます。図の元データがBAMであることを知っておくと、リード配置に戻って確認できます。

日本語	英語	略語	説明
SAM/BAM	Sequence Alignment/Map and Binary Alignment/Map	SAM/BAM	マッピング後のリード配置と関連情報を保存するファイル形式。
マッピング	mapping	-	リードなどの配列を参照配列上の位置へ対応づける解析。
カバレッジ	coverage	-	ある領域がシーケンシングでどれくらい読まれているかを表す指標。
品質スコア	quality score	Q score	塩基の読み取りがどれくらい信頼できるかを表す指標。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし