表契约¶

本页由 alnkit.core.tables 的 COLUMNS / COLUMN_DOC 生成，不要手改。重新生成：python scripts/gen_table_docs.py。

规则：

`segments`¶

#	列名	基准	说明
1	`read_name`	—	read 名（与 BAM/FASTQ 一致）
2	`read_length`	—	read 长度（bp）；未知时留空
3	`segment_role`	—	段角色：genome / exog / vector / target
4	`chrom`	—	参考序列名
5	`chrom_length`	—	参考序列长度（bp）
6	`ref_start_0based`	0-based	参考起点，0-based 半开
7	`ref_end_0based`	0-based	参考终点，0-based 半开（不含）
8	`read_start_0based`	0-based	read 轴起点，已翻到正向 read，0-based 半开
9	`read_end_0based`	0-based	read 轴终点，已翻到正向 read，0-based 半开（不含）
10	`strand`	—	比对方向：+ / -
11	`mapq`	—	MAPQ
12	`ref_aln_len`	—	参考跨度（含首尾 D/N），与简化 CIGAR 的 M 之和可不等
13	`read_aln_len`	—	read 跨度
14	`cigar`	—	简化 CIGAR（两个 M 之间总长 <=5 bp 的 I/D 并入 M）
15	`kept`	—	1/0：是否参与分类；只有 `long classify` 的产物有真实含义，`seg table` 恒为 1
16	`drop_reason`	—	被丢弃原因；未丢弃填 -
17	`is_secondary`	—	是否 secondary 比对（1/0）
18	`is_supplementary`	—	是否 supplementary 比对（1/0）
19	`nm`	—	编辑距离（NM 标签；缺失时为空）
20	`match_columns`	—	CIGAR 里 M/=/X 的碱基总数
21	`inserted_bases`	—	CIGAR 里 I 的碱基数
22	`deleted_bases`	—	CIGAR 里 D 的碱基数

#	列名	基准	说明
1	`chrom`	—	参考序列名
2	`insert_pos_1based`	1-based	断点左侧碱基的 1-based 坐标（= legacy Insert_Position）
3	`insert_pos_0based`	0-based	同一碱基的 0-based 坐标（= insert_pos_1based - 1）
4	`insert_boundary_0based`	0-based	断点边界，0-based（数值等于 insert_pos_1based）
5	`n_sr`	—	SR 证据数
6	`n_pesr`	—	PESR 证据数
7	`n_dup`	—	该位点上被 markdup 标记的 read 数
8	`sample`	—	样本名（BAM 文件名首个 . 之前）
9	`query_insert`	—	本次运行针对的插入片段（= --query-chr）
10	`nearest_other_insert`	—	除 query 外、支持该位点 read 命中最多的插入片段（并列取名字小的）；没有其它插入片段命中时填 -
11	`other_inserts`	—	去掉 query 与最近者之后，其余命中过的插入片段，`,` 分隔；无则 -

#	列名	基准	说明
1	`sample`	—	输出前缀（--sample-name）
2	`chrom`	—	位点所在参考序列
3	`insert_pos_1based`	1-based	断点左侧碱基的 1-based 坐标（= Insert_Position 列）
4	`is_homology_site`	—	yes/no：是否落在一条同源区域里（两侧各放宽 50 bp）
5	`n_regions`	—	命中的同源区域个数
6	`region_sources`	—	命中的来源：insert:<插入名> 或 bed:<名字>，多个用分号连接
7	`best_region_chrom`	—	最可信的同源区域所在参考序列（无命中写 -）
8	`best_region_start_1based`	1-based	最可信同源区域的起始（1-based，闭区间）
9	`best_region_end_1based`	1-based	最可信同源区域的结束（1-based，闭区间）
10	`best_region_length_bp`	—	最可信同源区域的长度（bp）
11	`best_region_identity`	—	回比得到的一致率（0-1，按 cs 标签的真实差异算）；BED 来源写 -
12	`best_region_query_coverage`	—	插入序列被这段区域覆盖的比例（0-1）；BED 来源写 -

#	列名	基准	说明
1	`class_id`	—	类 ID（= 目录名）
2	`contig`	—	contig 名（contigs.fasta 里的记录名）
3	`contig_length_bp`	—	contig 长度（bp）
4	`n_reads_total`	—	该类 reads 总数（FASTQ 行数 / 4）
5	`n_reads_mapped`	—	能比回该 contig 的 read 数（MAPQ >= 10）
6	`covered_bp`	—	被至少一条 read 覆盖的碱基数（合并区间后）
7	`covered_fraction`	—	covered_bp / contig_length_bp，0-1 浮点
8	`mean_depth`	—	比对碱基总数 / contig 长度
9	`depth_p10`	—	非零窗口深度的 10% 分位（窗口 200 bp）
10	`depth_cliffs`	—	相邻 200 bp 窗口深度降到前一个 1/5 以下的次数（chimera 信号）
11	`ends_covered`	—	首尾各 100 bp 中是否至少有一半被 read 覆盖（yes/no）
12	`status`	—	ok / low_coverage / chimera_suspect / unsupported_ends / no_reads

尚未实现

目前没有命令输出这张表（plot ribbon 仍按旧表头写 blocks.tsv）；列定义先冻结在这里，等 C1 的口径统一切换。