DNS mintákat elektronikusan (is) tárolják?

" minták teljes bázispár-készletét feltérképezik, vagy célirányosan vizsgálnak meg bizonyos részeket a genomból."

Van ilyen is, olyan is. Amikor célirányosan néznek variánsokat, azaz meghatározott genotípust vizsgálnak, akkor genotipizálást végeznek (genotyping), de az is lehet, hogy a teljes genom minden bázisát leolvassák ezt teljese genom szekvenálásnak nevezik (whole genome sequencing). Persze ezt is lehet célirányosan végezni pl. csak fehérjekódoló régiók szekvenálását exom szekvenálásnak (exome sequencing) mondják.

Nyilván a teljes A szekvenálás során generódik a legnagyobb adatmennyiséget. Úgyhogy maradjunk is ennél. A szekvenálás során nem ez a durván 3.5 milliárd bázis információját köpi ki a gép, hanem ennél sokkal többet. Minden bázist többször (4-10-30x) elolvasnak, és minden egyes olvasás minden egyes bázisa kap egy mérőszámot, ami megmutatja, hogy mennyire megbízható az a bázis. Továbbá sok egyéb apróság is tárolva van az adatok között későbbi minőségellenőrzés céljából. Ezután ezeket a rövid szakaszokat (read-ek) indexelni, majd illeszteni kell a referencia genomra. Ezután jön a megszekvenált genomban lévő variánsok "hívása" (variant calling). Ebből leggyakrabban egy vcf (variant call format) nevű file-t gyártanak, amit könnyű kezelni és a mérete sem olyan nagy. Ez a file tulajdonképpen azt mutatja meg, hogy hol különbözik a genom a referenciától.

Továbbá szükség lehet arra, hogy megtudjuk, hogy az egyes változatokat anyai vagy apai ágról kaptuk-e (phasing), ezt hozzá lehet tenni a vcf file-hoz és csak kis mértékben növeli a méretét.

Amikor az intézetünkben genomszekvenálással foglalkoztunk 3000 ember szekvenálása 500TB adatgenerálással járt. Ennek túlnyomó többsége a read-ek és az illesztések különböző verzióit jelentette. A végső vcf file-ok 3000 ember genotípusával márcsak 250GB volt.

Az adatfeldolgozás nagyon processor és memória igényes folyamat sima asztali géppel nem nagyon van értelmes nekiállni. Az előbb említett projectnél a cluster minden node-ján 125GB RAM volt pl. Mondjuk amikor sok ember genomját nézzük egyszerre akkor az illesztések és a variánsok hívásánál nemcsak az egyszem genomot nézzük, hanem azt is, hogy a többi minta hogy néz ki az adott pozícióban. Szóval ez a folyamat nagyon erőforrás igényes, de nagyon jól automatizálható és konténerekből teljes pipeline-ok letölthetők.

A soron következő vizsgálatok (amivel a tudományos kérdésekre adsz választ) többnyire nem olyan nagy igényűek, cserébe jóval nagyobb, nem automatizálható szakértelmet igényelnek.

"Már csak az érdekelne, hogy az alábbi két mondatodnál digitális, vagy kémiai folyamatokra gondoljak, esetleg is-is?"

A DNS szekvenálás során a legelső lépése egy kémiai reakció, ami kzvetve fényfelvillanást okoz. Ezt a jelet a szekvenáló berendezés érzékeli és digitálsi jellé alakítja, innentől minden lépés digitálisan zajlik.

"Egyébként biológia szakos vagyok (Bsc), de így a DNS vizsgálatok gyakorlati részéhez nem konyítok."

Mindenki elkezdi valahol. :D

pocok_134: nem feltétlenül történik "villanás". Ez csak akkor van, ha olyan típusú szekvenálásról van szó, ahol a bázisokhoz kötött, polimerizació során lehasadó fluorofór adja a jelet (pl. PacBio szekvenálások).

Pl. nanoporusos szekvenálás esetén a jel az adott nukleotidra jellemző aramerosseg változás, amit detektál egy chip, amit aztán a számítógép dolgoz fel (base calling stb.).