biolearnexact1xoe1bbx9mfx9ocx9m9x9o3x9mhx9mvx9ocx9mn

シーケンスデータとは何か

この記事で学ぶこと

シーケンスデータは、DNAやRNA由来の塩基配列を読み取って得られるデータです。

シーケンサーは試料から作ったライブラリを読み取り、多数の短い配列情報を出力します。このデータはゲノム解析やRNA-seq解析の入口になりますが、品質確認や前処理を通してから解釈します。

シーケンスデータは、現代のゲノム解析やRNA-seq解析の出発点です。DNAやRNAを読んだ結果は、まず多数のリードとして得られます。

生のリードは、そのまま結論ではありません。品質、アダプター配列、マッピング率、リファレンスの選び方などが結果に影響します。データの性質を知ることで、解析結果を過信せずに読めます。

DNA由来のデータでは、ゲノム配列、変異、カバレッジなどを調べます。RNA由来のデータでは、遺伝子発現や転写産物の情報を調べます。どちらも、まずリードという短い断片として得られる点は共通しています。

FASTQファイルには、リードの塩基配列と品質スコアが含まれます。マッピング後にはSAM/BAM、変異検出後にはVCF、発現解析ではカウント行列のように、解析段階に応じて形式が変わります。

解析では、リード数、塩基ごとの品質、アダプター混入、GC含量、重複、マッピング率などを確認します。必要に応じて、低品質部分やアダプター配列を除き、リファレンスゲノムや転写産物へ対応づけます。

品質スコアは、各塩基の読み取りがどれくらい信頼できるかを示す手がかりです。低品質なリードが多いと、マッピングや変異検出、発現量推定に影響することがあります。

品質の低いデータでは、リードが正しい位置に対応づきにくくなったり、誤った変異候補が出たり、発現量推定が不安定になったりします。一方で、品質が高くても、実験設計やサンプル情報が不十分なら解釈は難しくなります。

データの性質を理解しておくと、解析結果の限界も見えやすくなります。リード数、カバレッジ、品質、参照配列の選び方は、結果の信頼性を考える入口です。

シーケンスデータは、FASTQ、BAM、VCF、カウント行列などの形式で扱われます。論文では、リード数、マッピング率、カバレッジ、品質管理図、データベース登録番号として示されることがあります。

Methodsでは、シーケンシングの方法、リード長、ペアエンドかどうか、使用した参照配列、前処理ツールなどが書かれます。Resultsでは処理後の図や表として現れることが多いです。

日本語	英語	略語	説明
シーケンスデータ	sequence data	-	DNAやRNAの塩基配列を読み取って得られるデータ。
リード	read	-	シーケンサーで読み取られた短い配列断片。
品質スコア	quality score	Q score	各塩基の読み取り信頼度を表す数値。
リファレンスゲノム	reference genome	-	読み取った配列を比較、配置する基準となるゲノム配列。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし