Team DNA Info Lab · Revisione editoriale · · 5 min di lettura
Il file di dati grezzi 23andMe spiegato: formato, colonne e limiti
Cos'è il file di dati grezzi 23andMe? Un file di testo separato da tabulazioni di circa 640.000 righe con il chip attuale di 23andMe, con quattro colonne — rsid, cromosoma, posizione e genotipo. Registra ~0,02% del tuo genoma in posizioni scelte. Sotto: cosa significa ogni campo, la build del genoma, i no-call e i limiti.
Cos'è davvero il file
Scaricando i tuoi dati da 23andMe ottieni un file di testo compresso (.zip) il cui nome inizia con “genome”. Decompresso è testo semplice: una breve intestazione che descrive il file — dice che i campi sono separati da tabulazioni e indica la build di riferimento — poi una riga per ogni posizione genetica misurata dal chip. Ricercatori del NCI che hanno ricostruito il chip attuale (v5) di 23andMe dai file degli utenti lo descrivono come un Global Screening Array personalizzato con 642.824 SNP, quindi aspettati circa 640.000 righe. Memorizza le lettere in quelle posizioni, non l'intero genoma.
Le quattro colonne
| rsid | cromosoma | posizione | genotipo |
|---|---|---|---|
| rs4988235 | 2 | 136608646 | AG |
| rs1801133 | 1 | 11856378 | -- |
| rs6025 | 1 | 169519049 | CT |
| rs429358 | 19 | 45411941 | CT |
- rsid — l'ID di riferimento della variante in dbSNP (es. rs429358). Le sonde senza un rsID chiaro ricevono un ID interno:
iseguita da un numero. - cromosoma — da 1 a 22, più X, Y e MT (mitocondriale).
- posizione — la coordinata in paia di basi su quel cromosoma, nella build del genoma del file (vedi sotto).
- genotipo — le due lettere (alleli) che porti in quella posizione, una da ciascun genitore, es.
AG. Per il DNA mitocondriale e, in genere, per i cromosomi X e Y nei maschi, è una sola lettera.
La colonna rsid contiene un identificatore da approfondire. Inseriscilo nella nostra ricerca pubblica per rsID per esplorare informazioni di riferimento e link alle fonti. Non serve caricare il file o inserire un genotipo.
Build del genoma: GRCh37 / hg19
I numeri di posizione sono relativi a un riferimento. Per impostazione predefinita 23andMe riporta i genotipi sul filamento positivo di GRCh37 (“Build 37”) — hg19 nella nomenclatura UCSC — e l'intestazione del file scaricato indica la build 37; il suo visualizzatore online dei dati grezzi mostra anche posizioni GRCh38. Conta se incroci le posizioni con un database su una build diversa (es. GRCh38) — le coordinate non coincideranno. Abbinare per rsid evita il problema, ed è per questo che la nostra analisi abbina per rsid.
No-call: -- e 0
Non tutte le posizioni si leggono bene. Quando l'algoritmo di 23andMe non riesce a determinare un genotipo con sicurezza, il file scaricato mostra -- invece di un genotipo di due lettere; i file AncestryDNA scrivono invece 0 in entrambe le colonne degli alleli, e il nostro parser lo tratta ugualmente come no-call. 23andMe precisa che un certo numero di no-call è previsto, più spesso sui marcatori di X, Y e mitocondriali. Un no-call fa semplicemente saltare quella posizione nell'analisi.
Perché non è il tuo genoma completo
Un microarray genotipizza posizioni specifiche preselezionate — circa 640.000 dei circa 3 miliardi di nucleotidi del genoma (~0,02%). 23andMe descrive il suo chip, una versione personalizzata dell'Illumina Global Screening Array, come comprendente varianti in geni di rilevanza medica, varianti con associazioni note a malattie, varianti coinvolte nel metabolismo dei farmaci, varianti di tratti e marcatori di ascendenza. Per questo il file è utile per consultare varianti ben studiate, ma non conterrà mutazioni rare non presenti sul chip. Per quelle serve il sequenziamento dell'intero genoma.
Come aprirlo
È solo testo — qualsiasi editor lo apre, anche se circa 640.000 righe possono essere lente in un word processor. Per interpretarlo davvero, o cerchi singoli rsid a mano su SNPedia/dbSNP, o carichi l'intero file su uno strumento che lo incrocia con ricerca curata.
Domande frequenti
Posso aprire il file grezzo di 23andMe in Excel?▼
Sì. È testo separato da tabulazioni, e la stessa 23andMe suggerisce di aprirlo con un editor di testo o con Excel. Con circa 640.000 righe può essere lento; un editor di testo semplice o uno strumento di analisi è più leggero.
Che build del genoma usa 23andMe?▼
GRCh37 (Build 37, hg19 nella nomenclatura UCSC) per impostazione predefinita, e il file scaricato indica la build 37 nell'intestazione; il visualizzatore online dei dati grezzi di 23andMe mostra anche GRCh38. Abbina le varianti per rsid invece che per posizione per evitare disallineamenti di build.
Cosa significa -- nella colonna del genotipo?▼
È un no-call: 23andMe non ha potuto determinare con sicurezza il genotipo in quella posizione. I no-call vengono saltati nell'analisi, e 23andMe precisa che un certo numero è previsto.
Il file grezzo è il mio DNA completo?▼
No. Copre ~0,02% del tuo genoma — le posizioni preselezionate sul chip. Basta per analisi di rischio e tratti di varianti comuni, ma non per mutazioni rare.
Hai già il tuo file di DNA grezzo?
Esplora le corrispondenze, le spiegazioni, i limiti e le fonti disponibili per il tuo file.
Vuoi vedere com’è il file dall’interno? Un esempio annotato delle quattro colonne →
Articoli correlati
Questo articolo ha scopo esclusivamente educativo e non costituisce un parere medico, una diagnosi o un trattamento. Consulta sempre un professionista sanitario per decisioni sulla tua salute.