O Sequenciamento do Genoma Completo (WGS 30x) revolucionou a medicina personalizada e a pesquisa científica ao permitir a análise de 100% do seu DNA. No entanto, por trás de cada relatório de saúde ou bem-estar, há uma quantidade colossal de dados bioinformáticos complexos. Se você decidiu baixar seus dados genômicos brutos, é muito provável que tenha se deparado com diferentes extensões de arquivo, sendo o arquivo CRAM uma das mais importantes e eficientes.
O que é um arquivo CRAM e qual é a sua função no WGS?
O arquivo CRAM é um formato altamente comprimido usado para armazenar dados de sequenciamento genômico previamente alinhados contra um genoma de referência.
Para entender o seu lugar dentro do fluxo bioinformático, convém diferenciá-lo de outros formatos:
- Em comparação com o arquivo FASTQ: Enquanto o arquivo FASTQ contém os dados brutos (raw data) gerados diretamente pela máquina de sequenciamento sem processamento, o arquivo CRAM representa uma fase muito posterior.
- Leituras alinhadas: No CRAM, as leituras de DNA já foram processadas, o que significa que cada fragmento contém informações sobre sua posição exata dentro do genoma de referência, além das pontuações de qualidade associadas.
Este formato é amplamente utilizado por bioinformáticos, geneticistas e pesquisadores que buscam realizar análises avançadas, como a identificação de variantes genéticas, a revisão de regiões específicas do genoma ou a validação de descobertas, e por usuários avançados que desejam conservar uma versão otimizada e compacta de seus dados de WGS.
Características principais do arquivo CRAM
O formato CRAM destaca-se no ambiente da genômica clínica e de pesquisa graças a várias vantagens técnicas fundamentais:
- Alta compressão: Graças ao seu sistema de compressão avançado, ocupa notavelmente menos espaço de armazenamento do que outros formatos alinhados tradicionais (como o BAM).
- Leituras alinhadas: Armazena de forma estruturada a posição de cada leitura em relação ao genoma de referência.
- Informação de qualidade: Conserva os metadados técnicos e as pontuações de qualidade essenciais para auditar a confiabilidade do sequenciamento.
- Eficiência de armazenamento: É o formato ideal para gerenciar os volumes massivos de dados gerados por um Sequenciamento do Genoma Completo (WGS).
Limitações a ter em conta
Devido à sua natureza técnica e orientada ao processamento informático, o arquivo CRAM apresenta certas particularidades:
- Dependência do genoma de referência: Para ler e interpretar corretamente um arquivo CRAM, é imprescindível contar com o mesmo genoma de referência que foi utilizado durante o alinhamento inicial. No tellmeGen usamos como genoma de referência o "GRCh37.primary_assembly.genome.fa.gz".
- Não legível para humanos: Não pode ser aberto diretamente como um documento de texto para consultar traços ou predisposições genéticas. Exige software especializado para a sua visualização.
- Requer conhecimentos técnicos: Está desenhado especificamente para perfis avançados, bioinformáticos ou profissionais familiarizados com a manipulação de dados genômicos.
Formatos disponíveis e download no tellmeGen
No tellmeGen acreditamos na transparência e na propriedade dos seus dados genéticos. Por isso, além do arquivo CRAM, oferecemos aos nossos usuários a possibilidade de baixar outros formatos técnicos complementares como FASTQ e VCF diretamente a partir da área de usuário da sua conta.
Requisitos técnicos para trabalhar com arquivos CRAM
Se você é um usuário ou pesquisador e planeja trabalhar com seus arquivos CRAM de WGS, recomendamos levar em conta os seguintes requisitos de hardware e software:
- Sistema operacional: Recomenda-se o uso de Linux ou macOS, embora também seja possível utilizá-los no Windows por meio de ferramentas compatíveis ou ambientes como o WSL (Windows Subsystem for Linux).
- Software específico: É necessário contar com ferramentas bioinformáticas especializadas como samtools, IGV (Integrative Genomics Viewer) ou bcftools.
- Memória RAM: Aconselha-se dispor de um mínimo de 32 GB de RAM para gerenciar com facilidade os volumes de dados de um WGS.
- Armazenamento: Embora o arquivo CRAM destaque pela sua alta compressión, a manipulação de genomas completos requer discos com ampla capacidade disponível.
O arquivo CRAM é a ferramenta definitiva para aqueles usuários avançados que buscam espremer ao máximo o desempenho do seu teste de DNA, permitindo uma análise técnica eficiente, detalhada e otimizada de todo o seu DNA.
