首页 > 其他分享 >samtools flagstat参数对比对的bam文件进行统计

samtools flagstat参数对比对的bam文件进行统计

时间:2024-10-26 17:09:23浏览次数:3  
标签:flagstat samtools ## primary reads mapped bam

 

001、命令

samtools flagstat sample_name.sorted.bam > sample_name.flagstat.txt  ## 基本命令

 

 

a、生成的文件是一个包含16行的文本文件:

 

002、

(base) [b20223040323@admin2 workdir]$ cat Asiatic1.flagstat.txt      ## 查看统计结果
622520785 + 0 in total (QC-passed reads + QC-failed reads)      ## 总的reads
620876200 + 0 primary                ## 初级 reads?
1644585 + 0 secondary                ## 次级 secondary?
0 + 0 supplementary                  ## ??
0 + 0 duplicates                     ## ??
0 + 0 primary duplicates             ## ??
621864067 + 0 mapped (99.89% : N/A)  ## ??
620219482 + 0 primary mapped (99.89% : N/A)   ## ??
620876200 + 0 paired in sequencing        ## ??
310438100 + 0 read1
310438100 + 0 read2
612737342 + 0 properly paired (98.69% : N/A)    ## ??
620022610 + 0 with itself and mate mapped   
196872 + 0 singletons (0.03% : N/A)
5577184 + 0 with mate mapped to a different chr
2767972 + 0 with mate mapped to a different chr (mapQ>=5)

 。

 

003、

 

标签:flagstat,samtools,##,primary,reads,mapped,bam
From: https://www.cnblogs.com/liujiaxin2018/p/18504221

相关文章

  • YOLO11涨点优化:原创自研 | 自研独家创新BSAM注意力 ,基于CBAM升级
     ......
  • YOLOv11改进 | 注意力篇 | YOLOv11引入CBAM注意力机制
    1.CBAM介绍摘要:我们提出了卷积块注意力模块(CBAM),这是一种用于前馈卷积神经网络的简单而有效的注意力模块。给定中间特征图,我们的模块沿着两个独立的维度(通道和空间)顺序推断注意力图,然后将注意力图乘以输入特征图以进行自适应特征细化。由于CBAM是一个轻量级通用模块,因此它......
  • 在Bamboo上怎么使用iOS的单元测试
    本教程将使用北汽登录模块为例,一步一步和大家一起搭建单元测试用例,并在Bamboo上跑起来,最终测试结果和代码覆盖率会Bamboo上汇总。模块名称:BQLoginModule,是通过iBiu创建的一个模块工程一建立单元测试BundleProductName:BQLoginTests二测试代码编写1配置文件同步如果我们要在测......
  • 在Bamboo上怎么使用iOS的单元测试
                sed"s/${moduleName}/Example/${moduleName}/${moduleName}/Classes/g"./cov_env1.txt>cov_env2.txt  cp-f./Pods/XcodeCoverage/env.sh./Pods/XcodeCoverage/env_bak.sh  rm-f./Pods/XcodeCoverage/env.s......
  • YOLOv8改进 - 注意力篇 - 引入CBAM注意力机制
    一、本文介绍作为入门性第一篇,这里介绍了CBAM注意力在YOLOv8中的使用。包含CBAM原理分析,CBAM的代码、CBAM的使用方法、以及添加以后的yaml文件及运行记录。二、CBAM原理分析CBAM官方论文地址:CBAM论文CBAM的pytorch版代码:CBAM的pytorch版代码CBAM:卷积块注意力模块,由通道......
  • YOLOv10改进:CA注意力机制【注意力系列篇】(附详细的修改步骤,以及代码,目标检测效果优于
    YOLOv10改进:CA注意力机制【注意力系列篇】(附详细的修改步骤,以及代码)如果实验环境尚未搭建成功,可以参考这篇文章->【YOLOv10超详细环境搭建以及模型训练(GPU版本)】文章链接为:http://t.csdnimg.cn/YQ9qW--------------------------------------------------------------------......
  • YOLOv8改进:CA注意力机制【注意力系列篇】(附详细的修改步骤,以及代码,CA目标检测效果由
    如果实验环境尚未搭建成功,可以参考这篇文章->【YOLOv8超详细环境搭建以及模型训练(GPU版本)】文章链接为:http://t.csdnimg.cn/8ZmAm---------------------------------------------------------------------------​------------------------------------------------------1......
  • SE、CBAM注意力机制
     对于一张图片,不同的channel的权重一般都是不一样的。如果我们能够把这个信息捕获出来,那么我们的网络就可以获得更多的信息,那么自然就拥有更高得准确率。1、SE注意力机制的实现步骤如下:    (1)Squeeze:通过全局平均池化(nn.AdaptiveAvgPool2d(1)),将每个通道的二维特......
  • YOLOv10改进:CBAM注意力机制【注意力系列篇】(附详细的修改步骤,以及代码,在目标检测中有
    YOLOv10改进:CBAM注意力机制【注意力系列篇】(附详细的修改步骤,以及代码,在目标检测中有效涨点)如果实验环境尚未搭建成功,可以参考这篇文章->【YOLOv10详细环境搭建以及模型训练(GPU版本)】请参考链接:http://t.csdnimg.cn/YQ9qW------------------------------------------------......
  • 爆改YOLOv8 | yolov8添加CBAM注意力机制
    1,.本文介绍CBAM的主要思想是通过关注重要的特征并抑制不必要的特征来增强网络的表示能力。模块首先应用通道注意力,关注"重要的"特征,然后应用空间注意力,关注这些特征的"重要位置"。通过这种方式,CBAM有效地帮助网络聚焦于图像中的关键信息,提高了特征的表示力度.以下为CBAM结构......