alignment_files

# 处理比对文件 (SAM/BAM/CRAM) ## 概述 Pysam 提供了 `AlignmentFile` 类，用于读写包含比对序列数据的 SAM/BAM/CRAM 格式文件。BAM/CRAM 文件支持压缩，并通过索引支持随机访问。 ## 打开比对文件 通过模式限定符指定格式： - `"rb"` - 读取 BAM (二进制) - `"r"` - 读取 SAM (文本) - `"rc"` - 读取 CRAM (压缩) - `"wb"` - 写入 BAM - `"w"` - 写入 SAM - `"wc"` - 写入 CRAM python import pysam # 读取 samfile = pysam.AlignmentFile("example.bam", "rb") # 写入 (需要模板或头信息) outfile = pysam.AlignmentFile("output.bam", "wb", template=samfile) ### 流式处理 使用 `"-"` 作为文件名进行标准输入/输出 (stdin/stdout) 操作： python # 从 stdin 读取 infile = pysam.AlignmentFile('-', 'rb') # 写入 stdout outfile = pysam.AlignmentFile('-', 'w', template=infile) **重要：** Pysam 不支持从真正的 Python 文件对象读写，仅支持 stdin/stdout 流。 ## AlignmentFile 属性 **头信息：** - `references` - 染色体/重叠群 (contig) 名称列表 - `lengths` - 每个参考序列对应的长度 - `header` - 以字典形式表示的完整头信息 python samfile = pysam.AlignmentFile("example.bam", "rb") print(f"References: {samfile.references}") print(f"Lengths: {samfile.lengths}") ## 读取 Reads ### fetch() - 基于区域的检索 使用 **0-基坐标** 检索与指定基因组区域重叠的 reads。 python # 获取特定区域 for read in samfile.fetch("chr1", 1000, 2000): print(read.query_name, read.reference_start) # 获取整个重叠群 for read in samfile.fetch("chr1"): print(read.query_name) # 无索引获取 (顺序读取) for read in samfile.fetch(until_eof=True): print(read.query_name) **重要提示：** - 随机访问需要索引 (.bai/.crai) - 返回与区域 **重叠** 的 reads（可能会延伸到边界之外） - 对于未索引文件或顺序读取，使用 `until_eof=True` - 默认情况下，仅返回已比对的 reads - 对于未比对的 reads，使用 `fetch("*")` 或 `until_eof=True` ### 多重迭代器 在同一文件上使用多个迭代器时： python samfile = pysam.AlignmentFile("example.bam", "rb", multiple_iterators=True) iter1 = samfile.fetch("chr1", 1000, 2000) iter2 = samfile.fetch("chr2", 5000, 6000) 如果不设置 `multiple_iterators=True`，新的 fetch() 调用会重置文件指针并中断 ex