嫌picard去重复太慢？快来试试这两个高效快速的工具吧~

生信草堂交流群

加入模式：加微信bioinformatics88为好友，备注“加入生信草堂交流群”，在群里注明姓名、单位、研究领域。

征稿邮箱：[e-mail]

详情阅览：一手科研开花，一手赚钱零花   

今天给大家推荐两款sam文件处理小工具samblaster和sambamba，它们具有排序、比对信息查看等常用功能之外，最棒的是可以用来代替picard去除重复序列，在筛选标准不变的前提下速度能提升30倍以上，赶紧来试试吧~

这两款软件比picard快30倍

SAMBAMBA

http://lomereiter./sambamba/

功能介绍

sambamba主要有filter，merge,slice和duplicate等七个功能来处理sam/bam文件。

一、安装 (支持mac OS/linux 64位)

git clone --recursive https://github.com/lomereiter/sambamba.git

cd sambamba

make

也可以在download里面手动下载，上传到系统解压安装sambamba_v0.6.7_linux.tar.bz2

二、使用方法

1.排序
sambamba sort OPTIONS 
主要参数：
-o, --out 设置输出文件的名字（默认 .sorted.bam）
-n, --sort-by-name 按reads id排序（默认按照在参考基因组上的位置排序）

2.建立索引
sambamba index [-p|--show-progress] [-n|--threads=NTHREADS] []
示例：

$ sambamba index example.bam

#显示处理过程

$ sambamba index --show-progress example.bam /tmp/example.bam.bai

3.提取文件的信息
sambamba view OPTIONS  [region1 [...]]
主要参数：
-S 输入文件为sam（默认为bam）
-F, --filter=FILTER 过滤提取bam
-f, --format=FORMAT 指定输出文件格式（默认是sam, 还支持bam, json, or msgpack ）
-h, --with-header 保留header
示例：

#显示参考基因组序列基本信息

$ sambamba view --reference-info ex1_header.bam

 [{'name':'chr1','length':1575},{'name':'chr2','length':1584}]

#计算3号染色体上质量值大于5且序列长大于80bp的reads个数

$ sambamba view -c -F 'ref_id == 3 and mapping_quality >= 50 and sequence_length >= 80' ex1_header.bam

 3124

4.合并多个bam文件
sambamba merge OPTIONS  [...] #automatically like in Picard merging tool
主要参数：
-t, --nthreads=NTHREADS 设置线程数
-H, --header 合并sam中的header
-l, --compression-level 按0 to 9设置文件压缩的程度

5.查看reads flag的比对结果
sambamba flagstat OPTIONS 
显示以下信息：
First line contains numbers of QC-passed and QC-failed reads. Then come pairs of numbers, the former for QC-passed reads, the latter for QC-failed ones:

·         duplicates

·         mapped reads (plus percentage relative to the numbers from the first line)

·         reads with 'is_paired' flag set

·         paired reads which are first mates

·         paired reads which are second mates

·         paired reads with 'proper_pair' flag set (plus percentage relative to the numbers of QC-passed/failed reads with 'is_paired' flag set)

·         paired reads where both mates are mapped

·         paired reads where read itself is unmapped but mate is mapped

·         paired reads where mate is mapped to a different chromosome

·         the same as previous but mapping quality is not less than

6.查重复序列
sambamba markdup OPTIONS 
主要参数：
-r, --remove-duplicates 去掉重复序列，否则仅mark重复序列
-t, --nthreads=NTHREADS
-l, --compression-level=N
--tmpdir=TMPDIR 设置中间文件生成目录(默认为/tmp)

此外，还可以提取sam文件的某一段，sambamba slice OPTIONS region

SAMBLASTER

https://github.com/GregoryFaust/samblaster
https:///10.1093/bioinformatics/btu314

一、安装 (支持linux/mac OS Version 10.7以上)

git clone git://github.com/GregoryFaust/samblaster.git

cd samblaster

make

cp samblaster /usr/local/bin/.

二、使用方法

主要参数：
-i --input 输入sam文件（必须包含header且按reads id排序）
-o --output 输出sam文件
-d --discordantFile 输出discordant read pairs
-s --splitterFile 输出split reads
-u --unmappedFile 输出unmapped/clipped reads

其他参数:
-a --acceptDupMarks 不去重
-e --excludeDups 去掉discordant, splitter, and/or unmapped等重复（具体定义详见samblaster主页）
-r --removeDups 去掉重复(-e --excludeDups类似)
--addMateTags 添加MC and MQ tags
-M 与bwa mem -M 类似

示例：

#自动输出discordant read pairs和split read alignments:

bwa mem samp.r1.fq samp.r2.fq | samblaster -e -d samp.disc.sam -s samp.split.sam | samtools view -Sb - > samp.out.bam

#从bam文件中提取 split reads和discordants read pairs

samtools view -h samp.bam | samblaster -a -e -d samp.disc.sam -s samp.split.sam -o /dev/null