Pythonバイオ/ツール/RNAseq～VCFとBCF

VCFフォーマットとBCFフォーマット †

参照

Samtoolsのcallingについての、元ラボの説明 ⇒ Samtools の Calling and analysis を見よ
具体的には当該箇所に曰く

The original mpileup calling algorithm plus mathematical notes (mpileup/bcftools call -c):
- Li H, A statistical framework for SNP calling, mutation discovery, association mapping and population genetical parameter estimation from sequencing data, Bioinformatics (2011) 27(21) 2987-93. [21903627]
- Li H, Mathematical Notes on SAMtools Algorithms (2010) [link]
Mathematical notes for the updated multiallelic calling model (mpileup/bcftools call -m):
- Danecek P, Schiffels S, and Durbin R, Multiallelic calling model in bcftools (-m) (2014) [link]
Hidden Markov model for detecting runs of homozygosity (bcftools roh):
- Narasimhan V, Danecek P, Scally A, Xue Y, Tyler-Smith C, and Durbin R, BCFtools/RoH: a hidden Markov model approach for detecting autozygosity from next-generation sequencing data, Bioinformatics (2016) 32(11) 1749-51 [26826718]
Copy number variation/aneuploidy calling from microarray data (bcftools cnv/bcftools polysomy):
- Danecek P, McCarthy SA, HipSci Consortium, and Durbin R, A Method for Checking Genomic Integrity in Cultured Cell Lines from SNP Genotyping Data, PLoS One (2016) 11(5) e0155014 [27176002]
Haplotype-aware calling of variant consequences (bcftools csq):
- Danecek P, McCarthy SA, BCFtools/csq: Haplotype-aware variant consequences, Bioinformatics (2017) 33(13) 2037-39 [28205675]

（本家）SAMtools mpileupの使い方、SNPs/INDELs callingについて、mpileupのパラメータチューニング、VCF/BCF formatの意味　⇒　Multisample SNP calling

（本家）[Variant Calling:http://samtools.github.io/bcftools/howtos/variant-calling.html]]　⇒　bcftools mpileup | bcftools call のパターンを推し。

ヘッダーセクション～一時忘れる
アライメントセクション～リードが1行ずつ

Col	Field	Type	Regexp/Range	Brief description
1	QNAME	String	[!-?A-~]{1,254}	Query template NAME
2	FLAG	Int	[0, 2^16 － 1]	bitwise FLAG
3	RNAME	String	\[:rname:∧=][:rname:]*	Reference sequence NAME
4	POS	Int	[0, 2^31 － 1]	1-based leftmost mapping POSition
5	MAPQ	Int	[0, 2^8 － 1]	MAPping Quality
6	CIGAR	String	\*([0-9]+[MIDNSHPX=])+	CIGAR string
7	RNEXT	String	\=[:rname:∧=][:rname:]*	Reference name of the mate/next read
8	PNEXT	Int	[0, 2^31 － 1]	Position of the mate/next read
9	TLEN	Int	[－2^31 + 1, 2^31 － 1]	observed Template LENgth
10	SEQ	String	\*[A-Za-z=.]+	segment SEQuence
11	QUAL	String	[!-~]+	ASCII of Phred-scaled base QUALity+33

BAMファイルはSAMファイルと同等内容で、形式がバイナリ（非文字）なだけ。量が減る。

pythonでSAM/BAMファイルを扱うライブラリ pysam

ソートとインデックス(bai)