前言
如果對較大的bam文件進行操作時，往往相當耗時，所以將一個很大的bam文件分割為幾個較小的bam文件，在并行進行分析可以大大縮短所需要的時間。通常來說分割的方法是用bamtools，bamtools可以很方便的將bam文件按照染色體分割為若干個小的bam，代碼如下：
bamtools split -in test.bam -reference
其中test.bam就是所需要分割的文件，-reference是按照染色體進行分割。
但是問題來了，bamtools的操作是逐個進行，且相當緩慢，當一個很大的bam文件進行分割時，速度慢的令人發指。有沒有比較快的方法呢？答案當然是有的，我們可以利用samtools進行分割，操作為：
samtools view -@ 12 -b test.bam chr1 > chr1.bam
方案
通過如上代碼我們就可以將1號染色體的Bam給分割出來，且可以通過參數-@調整所需要的線程數。
但是按照上面的操作仍然有一個很大的問題，如果我不知道這個bam的文件具體有那些染色體，這些染色體又叫做什么名字，且需要一次性進行分割該如何操作呢？這里我給大家寫了一個簡單的python腳本，復制如下代碼保存為splitbam.py，運行命令：python splitbam.py -input test.bam -p 12 -outdir ./即可。
其中-input為輸入的bam文件，-p為指定使用的線程數，-outdir為輸出分割文件的路徑，如果不存在會自動創建，可選參數--index，可以為每個分割的bam文件創建索引。
注意：使用該工具前務必正確安裝samtools和python
代碼如下：
# -*- coding: utf-8 -*-
import os
import argparse
#############################################################################
#Author：Terry Xizzy txizzy#gmail.com
#Describtion: splitbam.py is a mulit processes tool for spilt the big bam file.
#Version: V1.0
#Data: 2021/10/19
#Example: python splitbam.py -input test.bam -p 12 -outdir ./
#############################################################################
parser=argparse.ArgumentParser(description='splitbam.py is a mulit processes tool for spilt the big bam file.')
parser.add_argument('-input',type=str,help='Input your bamfile',required=True)
parser.add_argument('-outdir',type=str,help='Input your output bamfile directory',required=True)
parser.add_argument('-p',type=int,help='Input the thread counts',default=12)
parser.add_argument('--index',action="store_true",help='Make index for splited bam files')
args=parser.parse_args()
bamfile = args.input
thread_count = args.p
outdir = args.outdir
#創建輸出文件路徑
if not os.path.exists(outdir):
os.makedirs(outdir)
print("Split bam file, it may takes some time……")
def split_bam():
split_cmd = "samtools view -H %s | cut -f 2 | grep SN | cut -f 2 -d \":\" > %s/chr.txt"%(bamfile,outdir)
os.system(split_cmd) #得到該bam文件的所有染色體號
with open(outdir+'/chr.txt','r') as chr_file:
chr_n = chr_file.readlines()
for item in chr_n:
item = item.rstrip('\n')
#分割bam，并對bam文件排序
os.system("samtools view -@ {tn} -b {bam} {chr} | samtools sort -@ {tn} -o {out}/{chr}.bam".format(tn=thread_count,bam=bamfile,chr=item,out=outdir))
if args.index:
os.system("samtools index {out}/{chr}.bam {out}/{chr}.bam.bai".format(out=outdir,chr=item))
os.remove(outdir+'/chr.txt')
split_bam()
print("All done!")
最后：如果想了解更多和生信或者精品咖啡有關的內容歡迎關注我的微信公眾號：生信咖啡，更多精彩等你發現！
