Saltar al contenido principal

Equipo DNA Info Lab · Revisión editorial · · 5 min de lectura

El archivo de datos en bruto de 23andMe explicado: formato, columnas y límites

¿Qué es el archivo de datos en bruto de 23andMe? Un archivo de texto separado por tabuladores de unas 640.000 filas con el chip actual de 23andMe, con cuatro columnas — rsid, cromosoma, posición y genotipo. Registra ~0,02% de tu genoma en posiciones elegidas. Abajo: qué significa cada campo, la versión del genoma, los no-calls y los límites.

Qué es el archivo realmente

Al descargar tus datos de 23andMe obtienes un archivo de texto comprimido (.zip) cuyo nombre empieza por “genome”. Descomprimido, es texto plano: una breve cabecera que explica el archivo — dice que los campos van separados por tabuladores y nombra la versión del genoma de referencia — y luego una fila por cada posición genética que midió el chip. Investigadores del NCI que reconstruyeron el chip actual (v5) de 23andMe a partir de archivos de usuarios lo describen como un Global Screening Array personalizado con 642.824 SNP, así que cuenta con unas 640.000 filas. Guarda las letras de esas posiciones, no el genoma entero.

Las cuatro columnas

rsidcromosomaposicióngenotipo
rs49882352136608646AG
rs1801133111856378--
rs60251169519049CT
rs4293581945411941CT

La columna rsid te da un identificador que puedes investigar. Introdúcelo en nuestro buscador público de rsID para explorar información de referencia y enlaces a las fuentes. No necesitas subir el archivo ni introducir un genotipo.

Versión del genoma: GRCh37 / hg19

Los números de posición son relativos a una referencia. Por defecto 23andMe informa los genotipos en la cadena positiva de GRCh37 (“Build 37”) — hg19 en la nomenclatura de UCSC — y la cabecera del archivo descargado indica la versión 37; su visor de datos en bruto en línea muestra también posiciones GRCh38. Esto importa si cruzas posiciones con una base de datos en otra versión (p. ej. GRCh38) — las coordenadas no cuadrarán. Emparejar por rsid evita el problema, por eso nuestro análisis empareja por rsid.

No-calls: -- y 0

No todas las posiciones se leen bien. Cuando el algoritmo de 23andMe no puede determinar un genotipo con confianza, el archivo descargado muestra -- en lugar de un genotipo de dos letras; los archivos de AncestryDNA escriben 0 en las dos columnas de alelos, y nuestro parser también lo trata como no-call. 23andMe indica que es normal tener cierto número de no-calls, más a menudo en marcadores de X, Y y mitocondriales. Un no-call simplemente hace que esa posición se omita en el análisis.

Por qué no es tu genoma completo

Un microarray genotipa posiciones concretas preseleccionadas — unas 640.000 de los unos 3.000 millones de nucleótidos del genoma (~0,02%). 23andMe describe su chip, una versión personalizada del Illumina Global Screening Array, como uno que incluye variantes en genes de relevancia médica, variantes con asociaciones conocidas a enfermedades, variantes que intervienen en el procesamiento de fármacos, variantes de rasgos y marcadores de ascendencia. Por eso el archivo sirve para consultar variantes bien estudiadas, pero no contendrá mutaciones raras que no estaban en el chip. Para eso hace falta secuenciación del genoma completo.

Cómo abrirlo

Es solo texto — cualquier editor lo abre, aunque unas 640.000 filas pueden ir lentas en un procesador de textos. Para interpretarlo de verdad, o buscas rsids concretos a mano en SNPedia/dbSNP, o subes el archivo completo a una herramienta que lo cruce con investigación curada.

Preguntas frecuentes

¿Puedo abrir el archivo en bruto de 23andMe en Excel?▼

Sí. Es texto separado por tabuladores, y la propia 23andMe sugiere abrirlo con un editor de texto o Excel. Con unas 640.000 filas puede ir lento; un editor de texto plano o una herramienta de análisis es más ligero.

¿Qué versión del genoma usa 23andMe?▼

GRCh37 (Build 37, hg19 en la nomenclatura de UCSC) por defecto, y el archivo descargado indica la versión 37 en su cabecera; el visor de datos en bruto en línea de 23andMe muestra también GRCh38. Empareja variantes por rsid en vez de por posición para evitar desajustes de versión.

¿Qué significa -- en la columna de genotipo?▼

Es un no-call: 23andMe no pudo determinar con confianza el genotipo en esa posición. Los no-calls se omiten en el análisis, y 23andMe indica que es normal tener cierto número de ellos.

¿El archivo en bruto es mi ADN completo?▼

No. Cubre ~0,02% de tu genoma — las posiciones preseleccionadas del chip. Basta para análisis de riesgo y rasgos de variantes comunes, pero no para mutaciones raras.

¿Ya tienes tu archivo de ADN bruto?

Explora las coincidencias, explicaciones, límites y fuentes disponibles para tu archivo.

¿Quieres ver cómo es el fichero por dentro? Un ejemplo anotado de las cuatro columnas →

Artículos relacionados

Este artículo tiene fines exclusivamente educativos y no constituye consejo médico, diagnóstico ni tratamiento. Consulta siempre a un profesional sanitario para decisiones sobre tu salud.