Sekwencjonowanie całogenomowe (WGS 30x) zrewolucjonizowało medycynę spersonalizowaną oraz badania naukowe, umożliwiając analizę 100% Twojego DNA. Jednak za każdym raportem dotyczącym zdrowia lub dobrego samopoczucia kryje się ogromna ilość złożonych danych bioinformatycznych. Jeśli zdecydowałeś się pobrać swoje surowe dane genomowe, bardzo prawdopodobne jest, że natknąłeś się na różne rozszerzenia plików, przy czym plik CRAM jest jednym z najważniejszych i najbardziej wydajnych.
Czym jest plik CRAM i jaka jest jego rola w WGS?
Plik CRAM to wysoce skompresowany format używany do przechowywania danych ze sekwencjonowania genomowego, które zostały wcześniej wyrównane (zmapowane) względem genomu referencyjnego.
Aby zrozumieć jego miejsce w przepływie pracy bioinformatycznej (workflow), warto odróżnić go od innych formatów:
- W porównaniu do pliku FASTQ: Podczas gdy plik FASTQ zawiera surowe dane (raw data) generowane bezpośrednio przez maszynę do sekwencjonowania bez żadnego przetwarzania, plik CRAM reprezentuje znacznie późniejszy etap.
- Zmapowane odczyty (Aligned reads): W pliku CRAM odczyty DNA zostały już przetworzone, co oznacza, że każdy fragment zawiera informacje o swojej dokładnej pozycji w genomie referencyjnym, wraz z powiązanymi wynikami jakości (quality scores).
Ten format jest powszechnie używany przez bioinformatyków, genetyków i badaczy, którzy chcą przeprowadzić zaawansowane analizy, takie jak identyfikacja wariantów genetycznych, przegląd konkretnych regionów genomu lub walidacja odkryć, a także przez zaawansowanych użytkowników, którzy chcą zachować zoptymalizowaną i kompaktową wersję swoich danych WGS.
Główne cechy pliku CRAM
Format CRAM wyróżnia się w środowisku genomiki klinicznej i badawczej dzięki kilku fundamentalnym zaletom technicznym:
- Wysoka kompresja: Dzięki zaawansowanemu systemowi kompresji zajmuje znacznie mniej miejsca na dysku niż inne tradycyjne sformatowane pliki (takie jak BAM).
- Zmapowane odczyty: Przechowuje pozycję każdego odczytu w sposób ustrukturyzowany względem genomu referencyjnego.
- Informacje o jakości: Zachowuje metadane techniczne i wyniki jakości, które są niezbędne do audytowania wiarygodności sekwencjonowania.
- Wydajność pamięci masowej: Jest to idealny format do zarządzania masowymi wolumenami danych generowanymi przez sekwencjonowanie całogenomowe (WGS).
Ograniczenia, o których warto pamiętać
Ze względu na swoją techniczną naturę i ukierunkowanie na przetwarzanie komputerowe, plik CRAM charakteryzuje się pewnymi specyficznymi cechami:
- Zależność od genomu referencyjnego: Aby poprawnie odczytać i zinterpretować plik CRAM, niezbędne jest posiadanie tego samego genomu referencyjnego, który został użyty podczas początkowego mapowania. W tellmeGen używamy jako genomu referencyjnego pliku „GRCh37.primary_assembly.genome.fa.gz”.
- Nieczytelny dla człowieka: Nie można go otworzyć bezpośrednio jako dokument tekstowy w celu sprawdzenia cech lub predyspozycji genetycznych. Do jego wizualizacji wymagane jest specjalistyczne oprogramowanie.
- Wymaga wiedzy technicznej: Jest przeznaczony specjalnie dla zaawansowanych profili, bioinformatyków lub profesjonalistów obeznanych z manipulacją danymi genomowymi.
Dostępne formaty i pobieranie w tellmeGen
W tellmeGen wierzymy w przejrzystość i własność Twoich danych genetycznych. Dlatego oprócz pliku CRAM oferujemy naszym użytkownikom możliwość pobrania innych uzupełniających formatów technicznych, takich jak FASTQ i VCF, bezpośrednio ze strefy użytkownika na Twoim koncie.
Wymagania techniczne do pracy z plikami CRAM
Jeśli jesteś użytkownikiem lub badaczem i planujesz pracować ze swoimi plikami CRAM WGS, zalecamy wzięcie pod uwagę następujących wymagań sprzętowych i programowych:
- System operacyjny: Zalecane jest korzystanie z systemu Linux lub macOS, chociaż możliwe jest również korzystanie z nich w systemie Windows za pomocą kompatybilnych narzędzi lub środowisk takich jak WSL (Windows Subsystem for Linux).
- Specjalistyczne oprogramowanie: Konieczne jest posiadanie wyspecjalizowanych narzędzi bioinformatycznych, takich jak samtools, IGV (Integrative Genomics Viewer) lub bcftools.
- Pamięć RAM: Zaleca się posiadanie minimum 32 GB pamięci RAM do swobodnego zarządzania wolumenami danych WGS.
- Pamięć masowa (dyski): Chociaż plik CRAM wyróżnia się wysoką kompresją, manipulowanie całymi genomami wymaga dysków o dużej dostępnej pojemności.
Plik CRAM to ostateczne narzędzie dla zaawansowanych użytkowników, którzy chcą wycisnąć maksimum z wydajności swojego testu DNA, umożliwiając wydajną, szczegółową i zoptymalizowaną analizę techniczną całego Twojego DNA.
