Clip 的含義
Clip 作為名詞講朦佩，有剪下來的東西的意義，在SAM/BAM 比對文件里面庐氮，用于描述那些一條序列上语稠，在序列兩端，比對不上的堿基序列（還是很形象的，一條上比對不上的部分仙畦，就給剪下來扔掉的感覺输涕，嚯嚯嚯嚯）。
Clip 分為Soft Clip和Hard Clip慨畸，同樣都是Clip（比對不上的堿基序列）莱坎，兩者有什么區(qū)別呢？先看一下官方的解釋（如下圖1）:
- Soft Clip寸士，是指雖然比對不到基因組檐什，但是還是存在于SEQ (segment SEQuence)中的序列，此時CIGAR列對應的S(Soft)的符號弱卡。直白點說乃正，就是雖然比對不上參考基因組，但是在BAM/SAM文件中的reads上還是存在的序列（并沒有被截斷扔掉的序列）谐宙。
-
Hard Clip烫葬，表示比對不上并且不會存在于SAM/BAM文件中的序列（被截斷扔掉了的序列，此時CIGAR列會留下H(Hard)的符號凡蜻，但是序列的那一列卻沒有對應的序列了）搭综。
圖1 CIGAR列說明
什么時候會出現(xiàn)Clip
知道了Clip的含義，再先理解一下Soft Clip划栓，即只要一條序列上兑巾，兩端有比對不上的序列部分，就是Soft Clip忠荞，這個一條序列上有比對不上的部分的現(xiàn)象是必然存在的（比如結(jié)構(gòu)變異的斷點的部分）蒋歌，這種兩端比對不上的read的特殊的表示方法，就是Soft Clip委煤。Soft Clip是可以獨立存在的堂油。
而Hard Clip，相對來說更特殊一點碧绞，是依賴于Soft Clip存在的府框。也就是有Soft Clip不一定有Hard Clip，而有Hard Clip則一定有Soft Clip讥邻。Hard Clip存在的本意迫靖，是減少BAM文件序列的冗余度，比如有一條read兴使，它能比對到A系宜，B兩個地方，在A地方发魄，是60M90S盹牧，在B地方是60H90M，此時一條read其實已經(jīng)在A位置有了完整的序列信息，在B位置的信息其實是冗余的汰寓，所以在B位置可以引入Hard Clip這樣一個標記形式吆寨，就能把B位置的序列標記為secondary。常用的是BWA MEM -H 參數(shù)踩寇，能講剛剛說的B位置的比對，進行Hard Clip標記六水，可參考官方說明俺孙。
舉例再來看一下Soft Clip 與 Hard Clip在SAM/BAM文件中的樣子：
圖3：比對的一對reads的前面部分，從第二列的Flag能知道163與2211對應的行是read2（也就是第一行與第二行是同一條read掷贾，即read two）睛榄，83對應的行是read1。
第一行44S106M
第二行45M105H（也就是第二行的序列只會顯示45bp想帅，不要問我為什么44S變成了45M场靴，因為第二行math的地方就是45M）
圖4：緊接著圖3的后半部分，可以看到第二行港准，只顯示了45M旨剥，Hard Clip部分被切掉了。
