2026-07-21 18:14:24

md5sum 基本使用

1 md5 / md5sum

md5（Message-Digest Algorithm 5）是一種常用的雜湊演算法，在生物資訊分析中，最常用於 檔案完整性驗證（file integrity check），例如確認 FASTQ、BAM、VCF 等檔案在下載、傳輸或備份過程中是否發生損毀。

1.1 基本用法

1.1.1 計算單一檔案的 md5

md5sum data/fastq/a.chr21_R1.fastq.gz

輸出格式如下，前半段為 md5 checksum，後半段為檔名：

d72fda8017c8eb035df69e3f5a3602bf data/fastq/a.chr21_R1.fastq.gz

1.1.2 將 md5 結果輸出成檔案

在實務中，通常會將 checksum 存成 .md5 檔，方便日後驗證：

md5sum data/fastq/a.chr21_R1.fastq.gz > data/sample.md5

sample.md5 內容格式如下：

d72fda8017c8eb035df69e3f5a3602bf data/fastq/a.chr21_R1.fastq.gz

1.2 驗證檔案完整性（最常用）

使用 -c 參數可以檢查檔案是否與 md5 紀錄一致：

md5sum -c data/sample.md5

若檔案未被修改或損壞，會顯示：

data/fastq/a.chr21_R1.fastq.gz: OK

若檔案內容有變動，則會顯示 FAILED。

1.3 常見實務情境

1.3.1 1️⃣ 下載後驗證 FASTQ 檔案

wget https://example.org/a.chr21_R1.fastq.gz

md5sum -c a.chr21_R1.fastq.gz.md5

這是最常見於 NGS 原始資料下載（GEO / SRA / internal server）的流程。

1.3.2 2️⃣ 比對兩個檔案是否完全相同

md5sum file_A.bam

md5sum file_B.bam

若兩者 md5 值完全相同，代表檔案內容 100% 一致（逐 byte 相同）。

1.3.3 3️⃣ 對多個檔案同時計算 md5

md5sum *.fastq.gz > all_fastq.md5

之後可使用：

md5sum -c all_fastq.md5

一次驗證整批資料。

1.3.4 4️⃣ 對整個資料夾建立 checksum（建議排序）

find . -type f -exec md5sum {} \; | sort > checksums.md5

適合用於資料備份、跨伺服器搬移（HPC ↔︎ local ↔︎ cloud）後的驗證。

1.4 md5 的限制與替代方案

md5 不適合用於資安或加密用途（存在碰撞風險）

但對於 檔案完整性驗證已足夠且高效

若需要更高安全性，可改用：

sha256sum file.fastq.gz

1.5 生物資訊實務建議

建議所有原始 NGS 檔案（FASTQ / BAM）皆附上 .md5

pipeline 輸出結果（如 variant / count matrix）可一併提供 checksum

投稿、資料交付或長期保存前，重新驗證一次 md5