Kokogenomin sekvensointi (WGS 30x) on mullistanut yksilöllisen lääketieteen ja tieteellisen tutkimuksen mahdollistamalla 100 % DNA:si analysoinnin. Kuitenkin jokaisen terveys- tai hyvinvointiraportin takana on valtava määrä monimutkaista bioinformatiikkadataa. Jos olet päättänyt ladata genomiset raakadatasi, olet todennäköisesti törmännyt erilaisiin tiedostopäätteisiin, joista CRAM-tiedosto on yksi tärkeimmistä ja tehokkaimmista.
Mikä on CRAM-tiedosto ja mikä on sen tehtävä WGS:ssä?
CRAM-tiedosto on voimakkaasti pakattu tiedostomuoto, jota käytetään vertailugenomiin etukäteen kohdistetun genomisen sekvensointidatan tallentamiseen.
Ymmärtääksesi sen paikan bioinformatiikan työnkulussa, on hyvä erottaa se muista formaateista:
- Verrattuna FASTQ-tiedostoon: Kun taas FASTQ-tiedosto sisältää sekvensointilaitteen suoraan tuottaman käsittelemättömän raakadatan (raw data), CRAM-tiedosto edustaa paljon myöhempää vaihetta.
- Kohdistetut luennat: CRAM-tiedostossa DNA-luennat on jo käsitelty, mikä tarkoittaa, että jokaisella fragmentilla on tieto sen tarkasta sijainnista vertailugenomissa sekä siihen liittyvät laatupisteet.
Tätä formaattia käyttävät laajasti bioinformaatikot, geneetikot ja tutkijat, jotka haluavat tehdä edistyneitä analyysejä, kuten geneettisten varianttien tunnistamista, genomin tiettyjen alueiden tarkastelua tai löydösten validointia, sekä edistyneet käyttäjät, jotka haluavat säilyttää optimoidun ja kompaktin version WGS-datastaan.
CRAM-tiedoston tärkeimmät ominaisuudet
CRAM-formaatti erottuu kliinisen genomiikan ja tutkimuksen ympäristössä useiden perustavanlaatuisten teknisten etujen ansiosta:
- Korkea pakkaussuhde: Kehittyneen pakkausjärjestelmänsä ansiosta se vie huomattavasti vähemmän tallennustilaa kuin muut perinteiset kohdistetut formaatit (kuten BAM).
- Kohdistetut luennat: Tallentaa rakenteellisesti jokaisen luennan sijainnin suhteessa vertailugenomiin.
- Laatutiedot: Säilyttää tekniset metatiedot ja laatupisteet, jotka ovat olennaisia sekvensoinnin luotettavuuden arvioinnissa.
- Tallennustehokkuus: Se on ihanteellinen formaatti kokogenomin sekvensoinnin (WGS) tuottamien massiivisten datamäärien hallintaan.
Huomioon otettavat rajoitukset
Teknisen ja tietokonekäsittelyyn suuntautuneen luonteensa vuoksi CRAM-tiedostolla on tiettyjä erityispiirteitä:
- Riippuvuus vertailugenomista: CRAM-tiedoston oikeanlaista lukemista ja tulkintaa varten on välttämätöntä käyttää samaa vertailugenomia, jota käytettiin alkuperäisessä kohdistuksessa. tellmeGenillä käytämme vertailugenomina tiedostoa "GRCh37.primary_assembly.genome.fa.gz".
- Ei ihmisen luettavissa: Sitä ei voi avata suoraan tekstidokumenttina geneettisten ominaisuuksien tai alttiuksien tarkastelemiseksi. Sen katselu vaatii erikoisohjelmistoja.
- Vaatii teknistä osaamista: Se on suunniteltu erityisesti edistyneille käyttäjille, bioinformaatikoille tai ammattilaisille, jotka tuntevat genomidatan käsittelyn.
Saatavilla olevat formaatit ja lataaminen tellmeGenissä
tellmeGenillä uskomme läpinäkyvyyteen ja siihen, että omistat omat geneettiset tietosi. Siksi tarjoamme CRAM-tiedoston lisäksi käyttäjillemme mahdollisuuden ladata muita täydentäviä teknisiä formaatteja, kuten FASTQ ja VCF suoraan tilisi käyttäjäalueelta.
Tekniset vaatimukset CRAM-tiedostojen käsittelyyn
Jos olet käyttäjä tai tutkija ja aiot työskennellä WGS:n CRAM-tiedostojen parissa, suosittelemme ottamaan huomioon seuraavat laitteisto- ja ohjelmistovaatimukset:
- Käyttöjärjestelmä: Suosittelemme Linuxin tai macOS:n käyttöä, vaikka niitä on mahdollista käyttää myös Windowsissa yhteensopivien työkalujen tai ympäristöjen, kuten WSL:n (Windows Subsystem for Linux), avulla.
- Erityisohjelmisto: On tarpeen käyttää erikoistuneita bioinformatiikan työkaluja, kuten samtools, IGV (Integrative Genomics Viewer) tai bcftools.
- RAM-muisti: On suositeltavaa, että käytössä on vähintään 32 GB RAM-muistia WGS-datamäärien sujuvaan käsittelyyn.
- Tallennustila: Vaikka CRAM-tiedosto erottuu korkealla pakkaussuhteellaan, kokonaisten genomien käsittely vaatii kiintolevyjä, joilla on runsaasti vapaata kapasiteettia.
CRAM-tiedosto on ylivoimainen työkalu niille edistyneille käyttäjille, jotka haluavat saada kaiken irti DNA-testistään, sillä se mahdollistaa koko DNA:n tehokkaan, yksityiskohtaisen ja optimoidun teknisen analyysin.
