Sequence Alignment/Map Format
hard clip与soft clip区别
Difference between Hard Clip and Soft Clip in Samtools CIGAR string
hard clip不出现在SEQ中，soft clip出现
如果cigar是10H10M10H，则SEQ只有10个碱基
如果cigar是10S10M10S，则SEQ有30个碱基
在soft clip情况下，即使SEQ存在，variant callers也不会使用它，igv中也不会显示它。在任何一种情况下，计算覆盖率时都不应该使用masked的碱基
这两种clip不同于删除（deletion），clip只是意味着reads与不能与基因组对齐（这是一种简化，大多数情况下是合理的假设）。
删除（deletion）意味着基因组不存在于该样本的reads中。
soft clip
在Smith-Waterman比对中，序列可能不会从第一个残基到最后一个残基进行比对。末端的子序列可能被截断。我们引入操作“S”来描述截断对齐。假设剪裁的对齐为：
clipped_alignment
REF: AGCTAGCATCGTGTCGCCCGTCTAGCATACGCATGATCGACTGTCAGCTAGTCAGACTAGTCGATCGATGTG
READ: gggGTGTAACC-GACTAGgggg
其中，在reads序列中，大写的碱基是匹配的，小写的碱基被截断(clipped)。此对齐的CIGAR为：3S8M1D6M4S。解释为3 soft, 8 match, 1 deletion, 6 match and 4 soft
hard clip
[Multi-part alignment(https://davetang.org/wiki/tiki-index.php?page=SAM#Multi-part_alignment)
一个查询序列可以与参考基因组上的多个位置对齐，有或没有重叠。在 SAM 中，我们将多次命中保存为多次对齐记录。为了避免为不重叠的命中多次显示完整的查询序列，我们引入“ H”操作来描述hard clipped alignment.。Hard clipping (H) 与soft clipping (S)相似。它们的不同之处在于对齐记录中不存在hard clipped的子序列。
上面的例子中，如果reads是hard clipped，则CIGAR表示 3H8M1D6M4H，但是sam文件中记录的序列是GTGTAACCGACTAG，而不是gggGTGTAACC-GACTAGgggg。