数据格式¶

AGP¶

C-Studio 期望制表符分隔的九列 AGP。component 行提供 object 坐标、component 类型、component ID、源坐标和方向；N、U 行提供 gap 长度、类型、linkage 和 evidence。

• AGP 坐标为 1-based closed；
• C-Studio 内部区间为 0-based half-open；
• component ID 是其他证据查询源数据的键；
• +、-、?、0、na 会作为合法方向值保留并导出；
• gap 存在时保留其元数据；Delete gap / join blocks 会明确删除该 gap。

导出时，object 坐标与 part number 会按当前放置顺序重新生成；源 component 坐标 仍与编辑后的源区间绑定。

操作历史 sidecar¶

保存编辑后 AGP 时还会写入 <AGP-prefix>.history.json。sidecar 保存已应用和 已撤销操作时间线，以及用于验证兼容性的规范 AGP。C-Studio 只会恢复与 对应 AGP 匹配的 sidecar；格式错误、过期或不匹配的 sidecar 会被忽略。

sidecar 是 AGP 的补充，不会取代 AGP。AGP 仍是权威组装布局，也是供其他 工具使用的文件。

COOL 与 MCOOL¶

.cool、.mcool 是 Cooler 兼容的 HDF5 接触矩阵容器。C-Studio 读取 chromosome/bin 标识、稀疏 pixel、已存分辨率和所选归一化需要的可用 weight。

• .cool 包含一个矩阵分辨率；
• .mcool 可包含分辨率金字塔，大型数据优先使用；
• 这些文件不能再用 gzip 包裹；
• 矩阵标识必须与 AGP component ID 一致。

PAF¶

C-Studio 读取标准 PAF 前 12 列，使用 query 名称、query 长度与区间、strand、 target 名称与区间、匹配残基数、比对 block 长度和 mapping quality 构建共线性 视图。query 名称必须与 AGP component ID 一致。

覆盖度¶

覆盖度输入用空白字符分隔，格式类似 bedGraph：

chrom  start  end  value

区间为 0-based half-open。start 不能为负，end 必须大于 start，value 必须为数值。以 #、track、browser 开头的行会被忽略。

GFA¶

当前解析器使用以下 GFA 记录：

• S：segment 名称、序列或 LN 长度，以及可选的 rd 深度标签；
• L：带方向的 segment link 与 overlap CIGAR/字符串；
• A：每个 segment 的记录计数及可选 HG 单倍型标签。

A 记录和 rd 标签属于 segment 元数据，不会被提升为 GFA 边支持。只有明确且 有效的 L 记录会创建拓扑连接。指向缺失 S segment 的 link、无效行和重复 link 会被警告或过滤。

gzip 文本输入¶

AGP、GFA、PAF、depth 和 bedGraph 文本可使用最终 .gz 后缀。C-Studio 支持 多成员 gzip 解码。自动保存不会覆盖压缩 AGP，请另存到普通 .agp 目标。