修改 bam 文件中染色体名

问题描述

在分析的过程中，有些数据的染色体命名为“chr1、chr2、…、chrX、chrY”，而有些数据的染色体命名则为“1、2、…、X、Y” （也就是不包含 chr 字符）。这里，通过代码对 bam 文件作为修改，实现染色体名的统一。

代码实现

假设我们有一个名为 test.bam 的文件，其中染色体名不包含chr字符，需要在染色体名前加上chr字符。

通过 samtools 和 shell 实现 （注：samtools reheader 需要给一个- 的参数，不给会报错）：

samtools view -H test.bam | sed -e 's/SN:\([0-9XY]\)/SN:chr\1/' -e 's/SN:MT/SN:chrM/' | samtools reheader - test.bam > test.CHR.bam

代码封装

因为会经常碰到这样的情况，因此就将上面的这段代码封装到一个名为 bam_add_chr.sh 的脚本，放在 bin 目录下面，方便调用。

#! /usr/bin/bash

samtools view -H $1 | sed -e 's/SN:\([0-9XY]\)/SN:chr\1/' -e 's/SN:MT/SN:chrM/' | samtools reheader - $1 > $2

echo "Finished!"

调用方法：

bam_add_chr.sh test.bam test.CHR.bam

其它方法

可以通过 Python 的 Pysam 模块进行修改，但计算速度相对更低。