CRAM
CRAM（Compressed Reference-oriented Alignment Map，压缩参考导向比对图）是新一代的高通量测序数据存储格式，由 EBI（欧洲生物信息学研究所）和 Sanger Institute 开发，现由 GA4GH 维护。
旨在取代体积庞大的 BAM 格式，CRAM 采用了创新的“基于参考序列的压缩”（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 与参考基因组（Reference Genome）之间的差异（如变异、测序错误）。
通过这种“做减法”的方式，CRAM 在无损模式下可比 BAM 节省 30% - 50% 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。
核心原理：差量编码 (Delta Encoding)
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。
无损 vs. 有损：质量值的取舍
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。
| 模式 | 处理方式 | 适用场景 |
|---|---|---|
| 无损压缩 (Lossless) |
完整保留每个碱基的 Phred 分数。 | 临床诊断、需要最高精度的变异检测。 |
| 质量值分箱 (Binning) |
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。 | 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。 |
| 完全丢弃 (No Qual) |
不存储质量值（或全设为默认值）。 | 长期归档存储（Archiving），仅保留序列信息。 |
关键相关概念 [Key Concepts]
1. Reference Cache (参考序列缓存)： 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（REF_PATH）或 EBI 的在线服务，自动下载并缓存所需的参考序列片段。
2. .crai Index： CRAM 的索引文件。类似于 BAM 的 .bai，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。
3. GA4GH (Global Alliance for Genomics and Health)： 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。
学术参考文献 [Academic Review]
[1] Fritz MH, Leinonen R, Silverton T, et al. (2011). Efficient storage of high-throughput DNA sequencing data using reference-based compression. Genome Res.
[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。
[2] Bonfield JK, et al. (2021). The SAM/BAM/CRAM format specifications. GitHub / HTS-Specs.
[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。