Helgenomsekventering (WGS 30x) har revolutioneret personlig medicin og videnskabelig forskning ved at gøre det muligt at analysere 100 % af dit dna. Bag hver sundheds- eller trivselsrapport ligger der dog en enorm mængde komplekse bioinformatiske data. Hvis du har besluttet at downloade dine rå genomiske data, er det meget sandsynligt, at du er stødt på forskellige filtypenavne, hvoraf CRAM-filen er en af de vigtigste og mest effektive.
Hvad er en CRAM-fil, og hvad er dens funktion i WGS?
CRAM-filen er et højkomprimeret format, der bruges til at lagre genomiske sekventeringsdata, der på forhånd er alignet mod et referencegenom.
For at forstå dens plads i det bioinformatiske workflow, er det nyttigt at skelne den fra andre formater:
- I modsætning til FASTQ-filen: Mens FASTQ-filen indeholder de rå data (raw data), der genereres direkte af sekventeringsmaskinen uden behandling, repræsenterer CRAM-filen en meget senere fase.
- Alignerede reads: I CRAM-filen er dna-læsningerne (reads) allerede blevet behandlet, hvilket betyder, at hvert fragment har information om sin nøjagtige position i referencegenomet samt de tilknyttede kvalitetsscores.
Dette format bruges i vid udstrækning af bioinformatikere, genetikere og forskere, der ønsker at udføre avancerede analyser, såsom identifikation af genetiske varianter, gennemgang af specifikke regioner i genomet eller validering af fund, samt af avancerede brugere, der ønsker at gemme en optimeret og kompakt version af deres WGS-data.
Vigtigste egenskaber ved CRAM-filen
CRAM-formatet skiller sig ud inden for klinisk genomik og forskning takket være flere grundlæggende tekniske fordele:
- Høj komprimering: Takket være det avancerede komprimeringssystem optager det betydeligt mindre lagerplads end andre traditionelle alignerede formater (som BAM).
- Alignerede reads: Lagrer struktureret positionen for hver læsning i forhold til referencegenomet.
- Kvalitetsinformation: Bevarer de tekniske metadata og kvalitetsscores, der er afgørende for at auditere sekventeringens pålidelighed.
- Lager-effektivitet: Det er det ideelle format til at håndtere de enorme datamængder, der genereres af en helgenomsekventering (WGS).
Begrænsninger at være opmærksom på
På grund af dets tekniske og computerbehandlingsorienterede natur har CRAM-filen visse særegenheder:
- Afhængighed af referencegenom: For at læse og tolke en CRAM-fil korrekt er det vigtigt at have det samme referencegenom, som blev brugt under den indledende alignment. Hos tellmeGen bruger vi referencegenomet "GRCh37.primary_assembly.genome.fa.gz".
- Ikke læsbar for mennesker: Den kan ikke åbnes direkte som et tekstdokument for at se genetiske træk eller dispositioner. Den kræver specialiseret software til visualisering.
- Kræver teknisk viden: Den er designet specifikt til avancerede profiler, bioinformatikere eller fagfolk, der er fortrolige med håndtering af genomiske data.
Tilgængelige formater og download hos tellmeGen
Hos tellmeGen tror vi på gennemsigtighed og på ejerskabet af dine genetiske data. Derfor tilbyder vi udover CRAM-filen også vores brugere muligheden for at downloade andre supplerende tekniske formater som FASTQ og VCF direkte fra brugerområdet på din konto.
Tekniske krav for at arbejde med CRAM-filer
Hvis du er bruger eller forsker og planlægger at arbejde med dine CRAM-filer fra WGS, anbefaler vi, at du er opmærksom på følgende hardware- og softwarekrav:
- Styresystem: Det anbefales at bruge Linux eller macOS, selvom det også er muligt at bruge dem i Windows ved hjælp af kompatible værktøjer eller miljøer som WSL (Windows Subsystem for Linux).
- Specifik software: Det er nødvendigt at have specialiserede bioinformatikværktøjer som samtools, IGV (Integrative Genomics Viewer) eller bcftools.
- RAM-hukommelse: Det anbefales at have mindst 32 GB RAM for problemfrit at kunne håndtere datamængderne fra en WGS.
- Lagerplads: Selvom CRAM-filen skiller sig ud med sin høje komprimering, kræver håndtering af hele genomer harddiske med stor tilgængelig kapacitet.
CRAM-filen er det ultimative værktøj for avancerede brugere, der ønsker at få mest muligt ud af deres dna-test, da den muliggør en effektiv, detaljeret og optimeret teknisk analyse af hele dit dna.
