🧬 1. FASTQ

مرحله: خروجی خام دستگاه سکوئنسینگ

کاربرد: ذخیره‌ی توالی خوانده‌ها (reads) و کیفیت هر باز

ساختار:

هر Read چهار خط دارد:

1. شناسه (ID) – نام خوانده
2. توالی نوکلئوتیدی (A, T, G, C, N)
3. خط جداکننده (+)
4. امتیازات کیفیت (Quality scores) که با حروف ASCII نمایش داده می‌شن (مثلاً Phred score)

هر فایل FASTQ معمولاً بسیار بزرگ است و شامل میلیون‌ها read است.

گاهی هر نمونه دو فایل دارد (paired-end) → R1.fastq, R2.fastq.

🔁 2. SAM (Sequence Alignment/Map)

مرحله: بعد از هم‌ترازی (mapping/alignment)

کاربرد: نشان می‌دهد هر read به چه موقعیتی از ژنوم مرجع هم‌تراز شده.

ویژگی‌ها:

• فایل متنی (text-based)
• اطلاعات کامل در مورد هر read و محل و جهت همترازی آن دارد.

اجزای اصلی هر خط:

📘 نمونه خط SAM:

                                  Read001  99  chr7  117232  60  76M  =  117389  233  AGTCCGAATC...  IIIII...

💾 3. BAM (Binary Alignment/Map)

مرحله: نسخه فشرده‌شده و بهینه‌شده از فایل SAM

کاربرد: برای ذخیره‌سازی، پردازش و تحلیل سریع‌تر داده‌های هم‌ترازشده

ویژگی‌ها:

• فرمت باینری (غیرمتنی) → خوانده نمی‌شود ولی بسیار کوچک‌تر و سریع‌تر قابل پردازش است.
• بیش‌تر ابزارهای NGS (مثل samtools, bcftools, GATK) با BAM کار می‌کنند.
• معمولاً فایل همراه با اندیس است → sample.bam + sample.bai

CRAM یکی از فرمت‌های نسبتاً جدید و پیشرفته‌تر از BAM در نگهداری داده‌های توالی‌یابی (NGS) است.

💾 CRAM (Compressed Reference-based Alignment Map)

هدف: کاهش حجم فایل‌های هم‌تراز شده (alignment) بدون از دست دادن اطلاعات.

یعنی تصور کن همان فایل BAM را داری، فقط به‌صورت فشرده‌تر و هوشمندتر ذخیره شده.

🔍 ویژگی‌های اصلی:

🔄 زنجیرهٔ داده‌ها در آنالیز

                                    content_copy                    textFASTQ  →  alignment (SAM)  →  BAM  →  CRAM

🧠 مقایسه سریع BAM و CRAM

🔧 نمونه دستور با samtools

samtools view -C -T reference.fasta -o sample.cram sample.bam

# مشاهده محتوا
samtools view sample.cram | head