Aller au contenu principal

Équipe DNA Info Lab · Révision éditoriale · · 5 min de lecture

Le fichier de données brutes 23andMe expliqué : format, colonnes et limites

Qu'est-ce que le fichier de données brutes 23andMe ? Un fichier texte séparé par tabulations d'environ 640 000 lignes avec la puce actuelle de 23andMe, avec quatre colonnes — rsid, chromosome, position et génotype. Il enregistre ~0,02 % de votre génome à des positions choisies. Ci-dessous : ce que signifie chaque champ, la build du génome, les no-calls et les limites.

Ce qu'est vraiment le fichier

En téléchargeant vos données depuis 23andMe, vous obtenez un fichier texte compressé (.zip) dont le nom commence par « genome ». Décompressé, c'est du texte brut : un court en-tête qui décrit le fichier — il indique que les champs sont séparés par des tabulations et nomme la build de référence — puis une ligne par position génétique mesurée par la puce. Des chercheurs du NCI qui ont reconstitué la puce actuelle (v5) de 23andMe à partir de fichiers d'utilisateurs la décrivent comme un Global Screening Array personnalisé de 642 824 SNP : comptez environ 640 000 lignes. Il stocke les lettres à ces positions, pas le génome entier.

Les quatre colonnes

rsidchromosomepositiongénotype
rs49882352136608646AG
rs1801133111856378--
rs60251169519049CT
rs4293581945411941CT

La colonne rsid fournit un identifiant à explorer. Saisissez-le dans notre outil de recherche publique par rsID pour consulter des informations de référence et des liens vers les sources. Aucun téléversement du fichier ni saisie d’un génotype n’est nécessaire.

Build du génome : GRCh37 / hg19

Les numéros de position sont relatifs à une référence. Par défaut, 23andMe rapporte les génotypes sur le brin positif de GRCh37 (« Build 37 ») — hg19 dans la nomenclature de l'UCSC — et l'en-tête du fichier téléchargé indique la build 37 ; son navigateur en ligne de données brutes affiche aussi des positions GRCh38. C'est important si vous croisez les positions avec une base sur une build différente (p. ex. GRCh38) — les coordonnées ne correspondront pas. Faire correspondre par rsid évite le problème, c'est pourquoi notre analyse fait la correspondance par rsid.

No-calls : -- et 0

Toutes les positions ne se lisent pas proprement. Quand l'algorithme de 23andMe ne peut pas déterminer un génotype avec confiance, le fichier téléchargé affiche -- au lieu d'un génotype de deux lettres ; les fichiers AncestryDNA écrivent 0 dans les deux colonnes d'allèles, et notre parser le traite aussi comme un no-call. 23andMe précise qu'un certain nombre de no-calls est attendu, plus souvent sur les marqueurs X, Y et mitochondriaux. Un no-call fait simplement ignorer cette position dans l'analyse.

Pourquoi ce n'est pas votre génome entier

Une puce génotype des positions spécifiques présélectionnées — environ 640 000 des quelque 3 milliards de nucléotides du génome (~0,02 %). 23andMe décrit sa puce, une version personnalisée de l'Illumina Global Screening Array, comme comprenant des variants de gènes d'intérêt médical, des variants aux associations connues avec des maladies, des variants impliqués dans le métabolisme des médicaments, des variants de traits et des marqueurs d'ascendance. Le fichier est donc utile pour consulter des variants bien étudiés, mais il ne contiendra pas les mutations rares absentes de la puce. Pour cela, il faut un séquençage du génome entier.

Comment l'ouvrir

Ce n'est que du texte — n'importe quel éditeur l'ouvre, même si environ 640 000 lignes peuvent être lentes dans un traitement de texte. Pour vraiment l'interpréter, soit vous cherchez des rsid un par un dans SNPedia/dbSNP, soit vous téléversez le fichier entier vers un outil qui le croise avec la recherche.

Questions fréquentes

Puis-je ouvrir le fichier brut 23andMe dans Excel ?▼

Oui. C'est du texte séparé par tabulations, et 23andMe suggère elle-même un éditeur de texte ou Excel. Avec environ 640 000 lignes, cela peut être lent ; un éditeur de texte brut ou un outil d'analyse est plus léger.

Quelle build du génome 23andMe utilise-t-il ?▼

GRCh37 (Build 37, hg19 dans la nomenclature de l'UCSC) par défaut, et le fichier téléchargé indique la build 37 dans son en-tête ; le navigateur en ligne de données brutes de 23andMe affiche aussi GRCh38. Faites correspondre les variants par rsid plutôt que par position pour éviter les décalages de build.

Que signifie -- dans la colonne génotype ?▼

C'est un no-call : 23andMe n'a pas pu déterminer le génotype à cette position avec confiance. Les no-calls sont ignorés dans l'analyse, et 23andMe précise qu'un certain nombre est attendu.

Le fichier brut est-il mon ADN complet ?▼

Non. Il couvre ~0,02 % de votre génome — les positions présélectionnées sur la puce. Suffisant pour l'analyse de risque et de traits de variants communs, mais pas pour les mutations rares.

Vous avez déjà votre fichier d'ADN brut ?

Explorez les correspondances, les explications, les limites et les sources disponibles pour votre fichier.

Vous voulez voir à quoi ressemble le fichier ? Un exemple annoté des quatre colonnes →

Articles connexes

Cet article est à but éducatif uniquement et ne constitue pas un avis médical, un diagnostic ou un traitement. Consultez toujours un professionnel de santé pour les décisions concernant votre santé.