全ゲノムシーケンシング（WGS 30x）は、あなたのDNAの100%を分析することを可能にすることで、パーソナライズド医療（オーダーメイド医療）と科学研究に革命をもたらしました。しかし、すべての健康・ウェルネスレポートの裏には、膨大な量の複雑なバイオインフォマティクスデータが存在します。生ゲノムデータをダウンロードすることに決めた場合、さまざまなファイル拡張子に出くわす可能性が高く、その中でもCRAMファイルは最も重要かつ効率的なものの1つです。
CRAMファイルとは？WGSにおけるその役割とは？
CRAMファイルは、リファレンスゲノムに対して事前にアライメント（整合）されたゲノムシーケンシングデータを格納するために使用される高圧縮フォーマットです。
バイオインフォマティクスのワークフロー内での位置づけを理解するために、他のフォーマットとの違いを確認しておくと便利です：
- FASTQファイルとの違い: FASTQファイルには、シーケンシングマシンによって未処理のまま直接生成された生データ（raw data）が含まれているのに対し、CRAMファイルはそれよりもはるか後の段階を表しています。
- アライメント済みリード: CRAMでは、DNAリードはすでに処理されており、各フラグメントにはリファレンスゲノム内での正確な位置情報と、それに関連するクオリティスコア（品質スコア）が含まれていることを意味します。
このフォーマットは、遺伝子変異の特定、ゲノムの特定領域のレビュー、あるいは発見の検証といった高度な分析を行いたいバイオインフォマティシャン、遺伝学者、研究者、およびWGSデータの最適化されコンパクトなバージョンを保存したい高度なユーザーによって広く使用されています。
CRAMファイルの主な特徴
CRAMフォーマットは、いくつかの基本的な技術的利点のおかげで、臨床および研究ゲノミクスの環境において際立った存在となっています：
- 高圧縮: 高度な圧縮システムのおかげで、他の伝統的なアライメント済みフォーマット（BAMなど）よりもストレージスペースを著しく少なく抑えられます。
- アライメント済みリード: リファレンスゲノムに対する各リードの位置を構造化された形式で格納します。
- 品質情報: シーケンシングの信頼性を監査するために不可欠な、技術的メタデータとクオリティスコアを保持します。
- ストレージ効率: 全ゲノムシーケンシング（WGS）によって生成される膨大なデータ量を管理するための理想的なフォーマットです。
留意すべき制限事項
その技術的性質およびコンピュータ処理指向の特性により、CRAMファイルにはいくつかの特有の制約があります：
- リファレンスゲノムへの依存性: CRAMファイルを正しく読み取り、解釈するためには、初期のアライメントで使用されたものと全く同じリファレンスゲノムを用意することが不可欠です。tellmeGenでは、リファレンスゲノムとして「GRCh37.primary_assembly.genome.fa.gz」を使用しています。
- 人間には読み取り不可: 遺伝的形質や素因を確認するために、テキストドキュメントとして直接開くことはできません。視覚化には専用のソフトウェアが必要です。
- 専門知識が必要: 高度なプロファイルを持つ人、バイオインフォマティシャン、あるいはゲノムデータの操作に精通している専門家向けに特別に設計されています。
tellmeGenで利用可能なフォーマットとダウンロード
tellmeGenでは、透明性とあなたの遺伝データの所有権を信じています。そのため、CRAMファイルの他にも、アカウントのユーザーエリアから直接、FASTQやVCFといった他の補足的な技術フォーマットをダウンロードする機能を提供しています。
CRAMファイルを扱うための技術要件
ユーザーまたは研究者であり、WGSのCRAMファイルを扱う予定がある場合は、以下のハードウェアおよびソフトウェア要件を考慮することをお勧めします：
- オペレーティングシステム: LinuxまたはmacOSの使用が推奨されますが、互換性のあるツールやWSL（Windows Subsystem for Linux）などの環境を介してWindowsで使用することも可能です。
- 専用ソフトウェア: samtools、IGV（Integrative Genomics Viewer）、bcftoolsなどの専門的なバイオインフォマティクスツールを用意する必要があります。
- RAMメモリ: WGSのデータ量をスムーズに管理するために、最低でも32 GBのRAMを用意することが推奨されます。
- ストレージ: CRAMファイルはその高圧縮性で際立っているものの、全ゲノムの操作には十分な空き容量のあるディスク容量が必要です。
CRAMファイルは、DNAテストのパフォーマンスを最大限に引き出し、全DNAの効率的、詳細かつ最適化された技術的分析を可能にしたい高度なユーザーにとって、究極のツールです。
