生信分析中大家接触最多的文件肯定会有SAM文件吧！
SAM格式文件包括头部注释部分和比对结果部分
头部注释部分
头部分为''可选部分''。头部分位于比对部分之前，以“@”开头。比对部分有11列是固定的，其他多列可选。看如下例子：
@HD VN:1.0 SO:unsorted #VN版本，比对有无sorted
@SQ SN:17 LN:83257441 ##SQ：参考序列目录。SN：参考序列名字。LN：参考序列长度
@PG ID:hisat2 PN:hisat2 VN:2.1.0 CL:/home/bio/bin/hisat2/hisat2-align-s --wrapper basic-0 -c GTGCTGAACGACGAGGACTGCCGGGAGTTCCCCTGGCAC ##PG：program 。 ID：program record identifier 。 VN：程序版本。CL：command line 0 16 17 805144 60 39M * 0 0 GTGCCAGGGGAACTCCCGGCAGTCCTCGTCGTTCAGCAC IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII AS:i:0 Z:39 YT:Z:UU NH:i:1
@HD：说明VN的版本以及比对有无排列顺序，这个例子没有排序。
@SQ：参考序列目录。SN：参考序列名字。LN：参考序列长度。
@PG：使用的比对程序名，这个例子是hisat2。
@CO：任意的说明信息。
比对信息部分
第1列. QNAME 表示的是查询序列的名称即短片段（reads）的名称；
第2列. FLAG 以整数来表示比对的结果，不同数值有不同的意义，数值也可以是下列数的组合；
sam 文件第二列flag含义：
1 ： 代表这个序列采用的是PE双端测序
2： 代表这个序列和参考序列完全匹配，没有错配和插入缺失
4： 代表这个序列没有mapping到参考序列上
8： 代表这个序列的另一端序列没有比对到参考序列上，比如这条序列是R1,它对应的R2端序列没有比对到参考序列上
16：代表这个序列比对到参考序列的负链上
32 ：代表这个序列对应的另一端序列比对到参考序列的负链上
64 ： 代表这个序列是R1端序列， read1;
128 : 代表这个序列是R2端序列，read2；
256： 代表这个序列不是主要的比对，一条序列可能比对到参考序列的多个位置，只有一个是首要的比对位置，其他都是次要的
73 = 64+8+1 （R1匹配上，R2没有匹配上）
153 = 128+16+8+1（R2比对到负链接，R1没有匹配上）
97 = 64+32+1 (R2比对到负链，R1不是完全匹配)
99 = 64+32+2+1 （R2比对到负链，R1完全匹配）
147 = 128+16+2+1 （R2完全匹配到负链）
145 = 128+16+1 （R2比对到负链，R1不是完全匹配）
83 = 64+16+2+1 （R1完全匹配到负链）
163 = 128+32+2+1（R2完全匹配，R1比对到负链）
如果以上情况都不符合则默认为：0
第3列. RNAME 表示参考序列的名称，比如基因组的染色体编号等，如果没有比对上则显示为*；
第4列. POS 表示比对的起始位置，以1开始计数，如果没有比对上则显示为0；
第5列. MAPQ 比对质量；
第6列. CIGAR CIGAR 字符串，即比对的详细情况，简要比对信息表达式（Compact Idiosyncratic Gapped Alignment Report），其以参考序列为基础，使用数字加字母表示比对结果，比如3S6M1P1I4M，前三个碱基被剪切去除了，然后6个比对上了，然后打开了一 个缺口，有一个碱基插入，最后是4个比对上了，是按照顺序的；
*M：表示match或mismatch，*I：表示插入，*D：表示删除*N：表示skipped，跳过这段区域，，*S：表示被剪切的序列存在于序列中*H：表示被剪切的序列不存在于序列中，*P：表示padding（填补），*=：表示match，*X：表示mismatch（错配，位置是一一对应的）
第7列. RNEXT 双末端测序中下一个reads比对的参考系列的名称，如果没有则用*表示，如果和前一个reads比对到同一个参考序列则用=表示；
第8列. PNEXT 下一个reads比对到参考序列上的位置，如果没有则用0表示；
第9列. ISIZE/TLEN query序列的模板长度或者插入长度，Template的长度，最左边得为正，最右边的为负，中间的不用定义正负，不分区段（single-segment)的比对上，或者不可用时，此处为0；
第10列. reads的序列信息；
第11列. reads的序列质量信息，同FASTQ。
