DNA测序之mapping介绍
image.jpeg
基因组mapping会有以下几个方面需要考量：
- 准确度。
基因组很大，并且有重复，如何准确的mapping到基因组。如果比对错误，则会造成假阳性的variant。
- 敏感性。
有variation的序列和参考基因组是不一样的，如何高效的把这些序列mapping到参考基因组上。并且每个个体是和参考基因组有差异的。
- 速度。
二代测序会产生非常多的数据，如何把这些序列快速的比对到参考基因组上。
针对以上mapping的几个考量，有如下的Mapping的算法
image.jpeg
From：Nat Biotechnol. 2009,27(5):455
但综合下来用的比较多的是bowtie和bwa，其他的软件因为各种原因都没有被用到过。
Bowtie运算速度较快，具体算法如下图所示：
image.jpeg
BWA，准确度较高，BWA中包含了三种不同的mapping算法：
BWA mem：较常用，适合长片段（>75bp)
BWA aln: 适合短片段
BWA SW: 适合gap比较多的mapping
Mapping quality代表了什么？
Mapping可以把原始的fastq格式的数据mapping到参考基因组上，从而获得此reads的位置信息。其中mapping quality代表了reads所mapping的位置是否可信。如果一条reads可以mapping到多个位置，那么就会有比较低的mapping quality。在BWA算法中，如果可以mapping到多个位置，则选择最好的一个，但是mapping quality依然会很低。
具体mapping的命令
bwa mem -t 16 -M hg19.fasta test.r1.fastq.gz test.r2.fastq.gz >test.sam
生成的sam文件即为注释到基因组上的文件，结果如下图所示：
image.jpeg
关于sam格式文件的介绍，详见：
