https://www.yiliao.com/index.php?action=history&feed=atom&title=CRAM
CRAM - 版本历史
2026-04-10T02:22:29Z
本wiki的该页面的版本历史
MediaWiki 1.35.1
https://www.yiliao.com/index.php?title=CRAM&diff=316628&oldid=prev
120.244.141.225：建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面
2026-02-07T12:29:53Z
<p>建立内容为“<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff…”的新页面</p>
<p><b>新页面</b></p><div><div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff; max-width: 1200px; margin: auto;"><br />
<br />
<div style="margin-bottom: 30px; border-bottom: 1.2px solid #e2e8f0; padding-bottom: 25px;"><br />
<p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;"><br />
<strong>CRAM</strong>（Compressed Reference-oriented Alignment Map，<strong>压缩参考导向比对图</strong>）是新一代的高通量测序数据存储格式，由 <strong>[[EBI]]</strong>（欧洲生物信息学研究所）和 <strong>[[Sanger Institute]]</strong> 开发，现由 <strong>[[GA4GH]]</strong> 维护。<br />
<br>旨在取代体积庞大的 <strong>[[BAM]]</strong> 格式，CRAM 采用了创新的<strong>“基于参考序列的压缩”</strong>（Reference-based Compression）策略。它不直接存储测序 Reads 的完整序列，而是只记录 Reads 与<strong>[[参考基因组]]</strong>（Reference Genome）之间的<strong>差异</strong>（如变异、测序错误）。<br />
<br>通过这种“做减法”的方式，CRAM 在无损模式下可比 BAM 节省 <strong>30% - 50%</strong> 的存储空间；若启用有损压缩（如对质量值进行分箱），压缩率可达 BAM 的 10 倍以上，大大降低了基因组大数据的存储成本。<br />
</p><br />
</div><br />
<br />
<div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 320px; margin: 0 auto 35px auto; border: 1.2px solid #bae6fd; border-radius: 12px; background-color: #ffffff; box-shadow: 0 8px 20px rgba(0,0,0,0.05); overflow: hidden;"><br />
<br />
<div style="padding: 15px; color: #1e40af; background: linear-gradient(135deg, #e0f2fe 0%, #bae6fd 100%); text-align: center; cursor: pointer;"><br />
<div style="font-size: 1.2em; font-weight: bold; letter-spacing: 1.2px;">CRAM</div><br />
<div style="font-size: 0.7em; opacity: 0.85; margin-top: 4px; white-space: nowrap;">High-Compression Alignment Format (点击展开)</div><br />
</div><br />
<br />
<div class="mw-collapsible-content"><br />
<div style="padding: 25px; text-align: center; background-color: #f8fafc;"><br />
<br />
<div style="font-size: 0.8em; color: #64748b; margin-top: 12px; font-weight: 600;">大数据的“瘦身专家”</div><br />
</div><br />
<br />
<table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.85em;"><br />
<tr><br />
<th colspan="2" style="padding: 8px 12px; background-color: #e0f2fe; color: #1e40af; text-align: left; font-size: 0.9em; border-top: 1px solid #bae6fd;">格式档案</th><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0; width: 40%;">全称</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">Compressed Reference-oriented Alignment Map</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">扩展名</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;"><code>.cram</code></td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">索引文件</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #e11d48;"><code>.crai</code></td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">维护机构</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">[[GA4GH]]</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">主要依赖</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #e11d48;">原始参考基因组 (Fasta)</td><br />
</tr><br />
<br />
<tr><br />
<th colspan="2" style="padding: 8px 12px; background-color: #e0f2fe; color: #1e40af; text-align: left; font-size: 0.9em; border-top: 1px solid #bae6fd;">特性对比</th><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">压缩率</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #16a34a;">极高 (比 BAM 小 50%+)</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">独立性</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #e11d48;">低 (依赖参考序列)</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">有损压缩</th><br />
<td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">支持 (质量值分箱)</td><br />
</tr><br />
<tr><br />
<th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569;">支持工具</th><br />
<td style="padding: 6px 12px; color: #0f172a;">[[Samtools]], [[GATK]], [[IGV]]</td><br />
</tr><br />
</table><br />
</div><br />
</div><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">核心原理：差量编码 (Delta Encoding)</h2><br />
<p style="margin: 15px 0; text-align: justify;"><br />
BAM 像是在抄书，把每个字母都抄下来；而 CRAM 像是在做“改错题”，只记录哪里与标准答案（参考基因组）不一样。<br />
</p><br />
<div style="background-color: #f0f9ff; border-left: 5px solid #1e40af; padding: 15px 20px; margin: 20px 0; border-radius: 4px;"><br />
<ul style="margin: 0; padding-left: 20px; color: #334155;"><br />
<li style="margin-bottom: 12px;"><strong>匹配 (Match)：</strong> 如果 Read 上的某个碱基与参考基因组一致，CRAM <strong>不存储</strong>该碱基，只记录“此处匹配”。因为参考基因组是已知的，解码时查表即可恢复。</li><br />
<li style="margin-bottom: 12px;"><strong>差异 (Difference)：</strong> 只有当 Read 上的碱基是 [[SNP]]、[[Indel]] 或测序错误时，CRAM 才会记录具体的碱基序列和质量值。</li><br />
<li style="margin-bottom: 0;"><strong>致命依赖：</strong> 由于 CRAM 省略了大量“重复”信息，解码（读取）CRAM 文件时<strong>必须</strong>提供原始的参考基因组文件（.fasta）。如果参考基因组版本搞错或文件丢失，CRAM 文件将无法读取。</li><br />
</ul><br />
</div><br />
<br />
<h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">无损 vs. 有损：质量值的取舍</h2><br />
<p style="margin: 15px 0; text-align: justify;"><br />
测序仪产生的质量值（Quality Score）占据了 BAM 文件 50% 以上的体积。CRAM 提供了灵活的策略来处理这些数据。<br />
</p><br />
<div style="overflow-x: auto; margin: 20px auto;"><br />
<table style="width: 100%; border-collapse: collapse; border: 1.2px solid #cbd5e1; font-size: 0.9em; text-align: left;"><br />
<tr style="background-color: #f1f5f9; border-bottom: 2px solid #0f172a;"><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #0f172a; width: 20%;">模式</th><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #1e40af; width: 40%;">处理方式</th><br />
<th style="padding: 12px; border: 1px solid #cbd5e1; color: #475569; width: 40%;">适用场景</th><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">无损压缩<br>(Lossless)</td><br />
<td style="padding: 10px; border: 1px solid #cbd5e1;">完整保留每个碱基的 Phred 分数。</td><br />
<td style="padding: 10px; border: 1px solid #cbd5e1;">临床诊断、需要最高精度的变异检测。</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">质量值分箱<br>(Binning)</td><br />
<td style="padding: 10px; border: 1px solid #cbd5e1;">将相似的分数归为一类（如 Q33, Q34 -> Q30）。减少信息熵，大幅提高压缩率。</td><br />
<td style="padding: 10px; border: 1px solid #cbd5e1;">大规模人群队列研究（如 [[1000 Genomes]]），此时细微的质量差异对统计结果影响不大。</td><br />
</tr><br />
<tr><br />
<td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">完全丢弃<br>(No Qual)</td><br />
<td style="padding: 10px; border: 1px solid #cbd5e1;">不存储质量值（或全设为默认值）。</td><br />
<td style="padding: 10px; border: 1px solid #cbd5e1;">长期归档存储（Archiving），仅保留序列信息。</td><br />
</tr><br />
</table><br />
</div><br />
<br />
<div style="font-size: 0.92em; line-height: 1.6; color: #1e293b; margin-top: 50px; border-top: 2px solid #0f172a; padding: 15px 25px; background-color: #f8fafc; border-radius: 0 0 10px 10px;"><br />
<span style="color: #0f172a; font-weight: bold; font-size: 1.05em; display: inline-block; margin-bottom: 15px;">关键相关概念 [Key Concepts]</span><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
<strong>1. Reference Cache (参考序列缓存)：</strong> 为了避免每次都手动指定参考基因组路径，[[Samtools]] 和 CRAM 使用一个环境变量（<code>REF_PATH</code>）或 EBI 的在线服务，自动下载并缓存所需的参考序列片段。<br />
</p><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
<strong>2. .crai Index：</strong> CRAM 的索引文件。类似于 BAM 的 <code>.bai</code>，它也是压缩的（gzipped），支持随机访问。通过它，[[IGV]] 可以快速跳转到 CRAM 文件的任意染色体位置。<br />
</p><br />
<br />
<p style="margin: 12px 0;"><br />
<strong>3. GA4GH (Global Alliance for Genomics and Health)：</strong> 全球基因组学与健康联盟。CRAM 格式的官方维护者。他们推动 CRAM 成为基因组数据的国际交换标准，以应对 EB/PB 级的数据海啸。<br />
</p><br />
</div><br />
<br />
<div style="font-size: 0.92em; line-height: 1.6; color: #1e293b; margin-top: 20px; border-top: 2px solid #0f172a; padding: 15px 25px; background-color: #ffffff;"><br />
<span style="color: #0f172a; font-weight: bold; font-size: 1.05em; display: inline-block; margin-bottom: 15px;">学术参考文献 [Academic Review]</span><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
[1] <strong>Fritz MH, Leinonen R, Silverton T, et al. (2011).</strong> <em>Efficient storage of high-throughput DNA sequencing data using reference-based compression.</em> <strong>[[Genome Res]]</strong>. <br><br />
<span style="color: #475569;">[点评]：CRAM 概念的开创性论文。首次提出了利用参考基因组进行差量压缩的理论框架。</span><br />
</p><br />
<br />
<p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;"><br />
[2] <strong>Bonfield JK, et al. (2021).</strong> <em>The SAM/BAM/CRAM format specifications.</em> <strong>[[GitHub / HTS-Specs]]</strong>. <br><br />
<span style="color: #475569;">[点评]：官方技术规范。详细定义了 CRAM v3.0 的编码细节，是软件开发者（如 GATK 团队）必须遵循的标准。</span><br />
</p><br />
</div><br />
<br />
<div style="margin: 40px 0; border: 1px solid #e2e8f0; border-radius: 8px; overflow: hidden; font-family: 'Helvetica Neue', Arial, sans-serif; font-size: 0.9em;"><br />
<div style="background-color: #eff6ff; color: #1e40af; padding: 8px 15px; font-weight: bold; text-align: center; border-bottom: 1px solid #dbeafe;"><br />
生物信息学 · 知识图谱<br />
</div><br />
<table style="width: 100%; border-collapse: collapse; background-color: #ffffff;"><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">上级分类</td><br />
<td style="padding: 10px 15px; color: #334155;">[[生物信息学]] • 文件格式</td><br />
</tr><br />
<tr style="border-bottom: 1px solid #f1f5f9;"><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">核心技术</td><br />
<td style="padding: 10px 15px; color: #334155;">参考导向压缩 • 质量值分箱</td><br />
</tr><br />
<tr><br />
<td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">前身格式</td><br />
<td style="padding: 10px 15px; color: #334155;">[[BAM]] • [[SAM]] • [[FASTQ]]</td><br />
</tr><br />
</table><br />
</div><br />
<br />
</div></div>
120.244.141.225