Hilfe und Dokumentation.

Genome ist eine macOS-App für die bioinformatische Auswertung eigener WGS-Daten. Sie kann FASTQ→BAM ausrichten, BAM/CRAM/SAM lesen und getrennte Analysen für HLA, KIR, LPA/KIV-2, Pharmakogenetik, Repeat-Expansionen, Microarray-Exporte und PGS-Dateien ausführen. Ein Komplettbericht kann genomische und pharmakogenetische Ergebnisse in getrennten Kapiteln bündeln. Genome Deep kann eine lokale HTML-Übersicht mit rsID-Suche erzeugen; in der SNP-Suche lassen sich rsIDs direkt in einer indexierten BAM oder CRAM nachschlagen. Die Genomdateien werden auf deinem Mac verarbeitet und nicht an PJ Labs gesendet; Genome enthält keine Telemetrie. Wenn du eine optionale Referenzabfrage startest, können angefragte rsIDs an die jeweils genannten öffentlichen Datenbanken übermittelt werden.

macOS 14 Sonoma oder neuer · Apple Silicon erforderlich · Eine SSD wird für große Dateien und temporäre Arbeitsdaten empfohlen. Speicherbedarf und Laufzeit hängen stark vom gewählten Workflow, der Dateigröße, Abdeckung, Referenzdaten und den verfügbaren Ressourcen ab. Prüfe vor dem Start den freien Speicher in Datenverwaltung. Eine Internetverbindung wird für Tool- und Referenzdownloads sowie für optionale öffentliche Datenbankabfragen benötigt.

Bereite Genome in dieser Reihenfolge vor. Die genannten Bereiche findest du in der Seitenleiste der App.

1. Verzeichnisse in Datenverwaltung einstellen: Lege Ausgabe-, temporäres, Referenzbibliothek- und Tool-Verzeichnis fest. Nutze für Ausgabe und temporäre Dateien eine schnelle SSD. Alle Pfade müssen während der Analyse erreichbar bleiben.
2. Tools installieren: Öffne Tools und installiere die für den gewählten Workflow benötigten verwalteten Werkzeuge. Warte, bis die Statusprüfung sie als bereit anzeigt. Downloads und Updates benötigen eine Internetverbindung; optionale öffentliche Referenzabfragen ebenfalls.
3. Referenzen installieren: Öffne Referenzen und installiere das zu BAM, CRAM oder FASTQ passende Referenzgenom einschließlich Indexdateien und benötigter Panels. Für GRCh38-WGS ist hs38d1 empfohlen, sofern die Quelldaten keinen anderen Build verwenden. HLA*LA benötigt zusätzlich den passenden PRG_MHC_GRCh38_withIMGT-Graphen.
4. Rohdateien bereithalten: Verwende eine BAM-Datei mit passendem BAI-Index, eine CRAM-Datei mit CRAI-Index und passendem Referenzgenom oder ein vollständiges FASTQ-Paar R1 und R2. Bewahre die Quelldateien unverändert auf einem dauerhaft verbundenen schnellen Laufwerk auf.
5. Benötigten Speicherplatz kontrollieren: Prüfe in Datenverwaltung unter Verfügbarer Speicher die freien Kapazitäten von Quell-, Ausgabe- und temporärem Laufwerk. Plane Platz für Rohdateien, Ergebnisse und Zwischenstände ein. Große WGS-Läufe können viel temporären Speicher benötigen; richte dich nach der konkreten Pipeline und der Speicheranzeige in Genome.

WGS-BAM laden → gewünschte Domäne wählen → Voraussetzungen prüfen → Analyse starten → PDF-Bericht exportieren. HLA nutzt HLA*LA-G-Gruppen-Ausgabe und optional T1K als zweite Evidenzschicht. T1K-KIR bleibt von HLA getrennt. KILDA berichtet KIV-2/LPA-Kontext inklusive quantile=NA als Rohwert, Aldy4 gehört ausschließlich in Pharmakogenetik, ExpansionHunter trennt Repeat- und SmallVariant-Ausgaben. PGS-Scores werden aus PGS Catalog-Dateien dokumentiert, ohne diagnostische Überversprechen.

Presets sind vorkonfigurierte Profile für häufige Abläufe. Genome 2.0 enthält vier integrierte Presets: FASTQ → BAM (hs38d1), FASTQ → Microarray, FASTQ + BAM → Komplettbericht und FASTQ → BAM + Komplettbericht. Jedes Profil zeigt seine Schritte und die dafür benötigten Eingaben, Werkzeuge und Referenzen.

Jede Karte zeigt Name, Bereitschaft der benötigten Werkzeuge und Referenzen sowie die Pipeline-Schritte. Ein Antippen wählt das Preset aus und blendet Beschreibung, Voraussetzungen und Ablauf ein. Optionale Datenbanken werden nur für Funktionen benötigt, die sie tatsächlich verwenden.

Der Play-Knopf auf der Karte startet die Pipeline direkt. Genome prüft vorher, ob Eingabedateien (FASTQ R1/R2 bzw. BAM/CRAM) und Voraussetzungen vorhanden sind. Während ein Lauf aktiv ist, wird der Knopf zum roten Stop-Knopf; ein Abbruch muss bestätigt werden.

Fehlt eine erwartete FASTQ-, BAM- oder CRAM-Datei, zeigt Genome, welche Eingabe noch fehlt. Benötigte Werkzeuge, Referenzgenome und Panels werden mit ihrem Status angezeigt. dbSNP und ClinVar sind optionale lokale Wissensdatenbanken und keine allgemeine Startvoraussetzung.

Im aufgeklappten Detail listet die Checkliste die benötigten Werkzeuge, Referenzgenome, HLA*LA-Graphen und Panels mit ihrem Status. Ein Pfeil führt zu Tools oder Referenzen. Die Pipeline-Ansicht zeigt die Schritte der Reihe nach; nach einem unterbrochenen Lauf kann ein Wiederaufnahme-Hinweis erscheinen.

Über den Plus-Knopf legst du ein eigenes Preset an: Name, Beschreibung, Symbol und eine frei zusammenstellbare Pipeline (Schritte hinzufügen, neu ordnen, an- und abschalten). Die Icon-Knöpfe darüber dienen zum Ansehen (integrierte), Bearbeiten (eigene), Löschen sowie Importieren und Exportieren als JSON. Integrierte Presets sind schreibgeschützt.

Eigene Presets können Pipeline-Schritte, Referenzgenom, Aligner, Split-Read-Modus, Markdup-Werkzeug, Fastp-Trimming, Haplogrep-Version und -Baum sowie erforderliche Panels und Referenzen festlegen. Für den Variantenruf kann der bcftools-Schritt in die Pipeline aufgenommen werden.

Über Ablage > Neues Projekt, Projekt öffnen, Projekt speichern und Projekt speichern unter verwaltest du deinen Arbeitsstand in einer .gpj-Datei. Sie speichert ausgewählte Eingabe- und Referenzpfade, Workflow- und Berichtseinstellungen, Laufverlaufseinträge sowie Verweise auf Berichtdateien. BAM-, FASTQ- und Referenzdateien werden nicht in die Projektdatei kopiert und müssen am gespeicherten Ort erreichbar bleiben. Beim Öffnen meldet Genome fehlende Pfade; du kannst sie über Ablage > Fehlende Projektpfade zuordnen. Ein Projektwechsel ist erst möglich, wenn kein Lauf aktiv ist.

Alle erzeugten Dateien (BAMs, VCFs, Microarray-Textdateien, Berichte) landen hier. Standard ist das Verzeichnis der geladenen BAM-Datei. Empfohlen: eigenes Ausgabe-Verzeichnis auf einer SSD wählen. Das Verzeichnis wird beim Start automatisch wiederhergestellt.

Zwischendateien während laufender Prozesse: entpackte Referenzgenome, Alignment-Zwischenstände, Sortierdateien. Standard: ~/Library/Caches/Genome. Diese Dateien werden nach erfolgreicher Verarbeitung automatisch gelöscht. Bei Abbruch können Reste zurückbleiben, manuell löschbar.

Zentrales Verzeichnis für Referenzgenome (.fa / .fa.gz samt Index), Microarray-Panels, HLA-Graphen und weitere Referenzdaten. Die benötigte Kapazität variiert deutlich je nach Auswahl; prüfe vor dem Download die angezeigte Dateigröße und den freien Speicher. Fehlende Ressourcen werden in Referenzen und Tools ausgewiesen.

Lädt eine BAM-, CRAM- oder SAM-Datei als Eingabe. Die App liest beim Laden automatisch: Referenzgenom-Name aus dem BAM-Header, Genomaufbau (hg38/hg19/hs37d5), durchschnittliche Lesetiefe (Coverage), biologisches Geschlecht (Y/X-Chromosom-Reads), Dateiinhalt (WGS/WES/Panel) und Indexierungsstatus (.bai / .crai). CRAM erfordert ein passendes Referenzgenom in der Reference Library.

Eine Liste erkannter Volumes mit Name, Anschluss (PCIe, Thunderbolt, USB), Eignung und Frei/Gesamt. Liegt der freie interne Speicher unter dem empfohlenen Temp-Bedarf, erscheint ein Warnhinweis.

Sample ID & Dateiname legt den Basisnamen der Ausgabedateien fest (Status Automatisch oder Gesetzt, zurücksetzbar). Unter Eingaben lassen sich zusätzlich die SNP-Datei (TXT) für die SNP-Suche, FASTQ R1/R2 und der Tools-Installationspfad setzen.

Für eine indizierte BAM liefert Statistiken berechnen via samtools flagstat/idxstats Reads gesamt, gemappt, properly paired und Duplikate sowie die Chromosomenverteilung. Ohne .bai/.crai erscheint der Hinweis Nicht indiziert.

Das integrierte FASTQ→BAM-Preset richtet Paired-End-FASTQ-Dateien (R1 + R2) standardmäßig mit bwa mem gegen hs38d1 aus. Fastp-Trimming ist aktiviert; danach folgen im Standardpfad samtools fixmate, sort und markdup. Anschließend prüft Fastp die Read-Qualität. Eigene Presets können minimap2, Picard für die Duplikatmarkierung und andere Trimming-Einstellungen wählen. Ergebnis ist eine sortierte, duplikatmarkierte und indexierte BAM-Datei.

Je nach Preset und Einstellungen benötigt der Lauf samtools, den gewählten Aligner (bwa oder minimap2), das eingestellte Werkzeug zur Duplikatmarkierung und das passende Referenzgenom. Fastp wird benötigt, wenn Fastp-Trimming aktiviert ist. Fehlt ein bwa-Index, kann Genome ihn für die gewählte Referenz erstellen; minimap2 benötigt in diesem Ablauf keinen bwa-Index.

Threads: wird automatisch auf die Anzahl logischer CPU-Kerne gesetzt. Read-Group wird aus dem Dateinamen generiert (RGID, RGSM, RGPL=ILLUMINA, RGLB=lib1). Markdup entfernt PCR-Duplikate. Sortierung ist koordinatenbasiert (für Indexierung benötigt).

Legt fest, wie bwa kürzere Teiltreffer eines Reads im BAM kennzeichnet. Supplementary ist die Voreinstellung; Secondary entspricht dem bwa-Parameter -M und kann für Kompatibilität mit bestimmten nachgelagerten Werkzeugen gewählt werden. Die Einstellung liegt im Konvertierungsbereich bei den Alignment-Parametern.

Wird ein laufendes FASTQ→BAM-Alignment abgebrochen oder schlägt fehl, erkennt die App beim nächsten Start automatisch vorhandene Zwischendateien. Beim Klick auf 'Alignment starten' erscheint ein Dialog mit drei Optionen:

• Fortsetzen: Setzt die Pipeline ab dem letzten erfolgreichen Schritt fort (z. B. ab Sort-Merge, Index oder Flagstat). • Von vorne: Löscht alle Zwischendateien und startet komplett neu. • Abbrechen: Keine Aktion.

Die Pipeline kann von jedem Schritt fortgesetzt werden: Sort-Chunks → Merge → Markdup → Index → Flagstat/Laden.

Konvertiert eine BAM-Datei zurück in zwei FASTQ-Dateien (R1, R2) via samtools collate + fastq. Nützlich wenn Originaldateien fehlen oder ein Re-Alignment gegen ein anderes Referenzgenom nötig ist. Unmapped Reads werden optional eingeschlossen.

Fastp prüft FASTQ-Dateien und kann Adapter sowie Reads niedriger Qualität filtern. Der Lauf erzeugt einen Qualitätsbericht und kann bereinigte FASTQ-Dateien ausgeben. Ergebnis und Laufzeit hängen von Eingabe und Einstellungen ab.

FastQC erstellt einen detaillierten HTML-Qualitätsbericht pro FASTQ-Datei. Enthält: Per-Base-Sequenzqualität, Per-Sequenz-Qualitätsscores, Sequenz-Duplikationslevel, Überlängen-Reads, Adapter-Kontamination, Kmer-Analyse. Benötigt Java Runtime. Ergebnis: HTML-Datei im Output-Verzeichnis.

Wandelt eine geladene BAM in CRAM (Referenzgenom nötig) oder eine CRAM zurück in BAM.

Macht eine geladene BAM/CRAM wieder zu FASTQ (_R1/_R2), etwa für ein Re-Alignment.

Hebt eine VCF zwischen den Builds hg38 und hg19 an (beide Richtungen wählbar).

Das Referenzpanel legt fest, welche SNP-Positionen für den jeweiligen Microarray-Export ausgewertet werden. Genome erkennt installierte Panels in der Reference Library und zeigt ihren Status an. Wähle ein Panel, das zum gewünschten Ausgabeformat und Referenzgenom passt.

Im aufklappbaren Menü kannst du die gewünschten lokalen Ausgabeformate auswählen: Genome, Genome Deep und MTHFR Genetics. Die Exporte enthalten Calls für die ausgewählten Panel-Positionen; Genome Deep ergänzt technische Angaben zur Read-Evidenz. Externe Dienste haben eigene Importvorgaben, daher ist die Annahme einer Datei nicht garantiert.

Den Ausgabedateien wird eine Genome-Kopfzeile vorangestellt; deren Zeitstempel wird beim Erstellen auf das aktuelle Datum und die aktuelle Uhrzeit gesetzt. Die Build-Referenzen in der Kopfzeile passen sich automatisch dem Referenzgenom an (Build 37/38). Darunter folgen die reinen Genotyp-Datensätze.

Startet die Microarray-Extraktion. bcftools wertet die zum ausgewählten Panel gehörenden Positionen aus; anschließend werden verfügbare Calls in die gewählten Formate übertragen und, soweit möglich, mit rsIDs versehen. Umfang und Laufzeit hängen unter anderem von Panel, Abdeckung und Eingabedatei ab.

Für jedes aktivierte Format kann eine tab-getrennte .txt-Datei im Output-Verzeichnis entstehen, zum Beispiel [Name]_Genome.txt, [Name]_GenomeDeep.txt oder [Name]_MTHFR_Genetics.txt. Beim Genome-Deep-Export kommen eine PDF- und SVG-Übersicht sowie eine .overview.json-Datei hinzu. Ist „HTML-Übersicht erstellen“ aktiviert, wird zusätzlich eine eigenständige .overview.html-Datei ausgegeben. Der Export enthält die zum Panel und zu den Daten passenden Calls; er ist keine vollständige Liste aller Genomvarianten.

Genome Deep ist ein erweitertes Exportformat für WGS-abgeleitete Genotypen an bekannten SNP-Positionen. Anders als ein klassischer Microarray-Export enthält jeder Genotyp Angaben zu Read-Tiefe und Konfidenz aus dem Alignment.

Spalten: rsid · chromosome · position · genotype (beobachtete Basen, z. B. GG/GA/AA) · refDepth (Reads mit Referenz-Allel) · altDepth (Reads mit Alt-Allel) · depth (Gesamttiefe) · vaf (Anteil des Alt-Allels) · confidence (hom_ref / hom_alt / het / uncertain).

Tipp: Werte mit confidence „uncertain“ sollten bei der Interpretation gesondert geprüft werden.

Wenn „HTML-Übersicht erstellen“ aktiviert ist, speichert Genome neben der TXT-Datei eine eigenständige HTML-Übersicht. Sie funktioniert offline und bietet eine Genomkarte sowie eine Suche in den exportierten Daten nach rsID. Ein Treffer zeigt die exportierte Position, den Genotyp, die Lesetiefe und den ALT-Anteil. Die TXT-Datei bleibt die vollständige Tabelle; die HTML-Ansicht fasst nur exportierte SNP-Zeilen zusammen und bildet weder die vollständige Genomabdeckung noch ein medizinisches Risiko ab.

Extrahiert das mitochondriale Chromosom als FASTA-Konsensussequenz. Verwendet: samtools view (MT-Reads) → samtools mpileup → Konsensusberechnung. Geeignet für yFull (weiblich), Mitoverse, EMPOP. Ausgabe: [Name]_MT.fasta.

Extrahiert alle MT-Reads als separate BAM-Datei. Chromosom-Name passt sich automatisch an (chrM für hg38, MT für hs37d5). Geeignet für manuelle Analyse und Weiterverarbeitung. Ausgabe: [Name]_MT.bam + .bai Index.

bcftools ruft Varianten in der mitochondrialen Sequenz auf und erstellt eine komprimierte VCF-Datei mit den im Lauf erkannten Calls. Ausgabe: [Name]_MT.vcf.gz. Prüfe bei externer Weiterverarbeitung die jeweiligen Format- und Referenzvorgaben.

Extrahiert Y-Chromosom und mitochondriale Reads gemeinsam als indexierte BAM-Datei. Ausgabe: [Name]_YMT.bam und Index. Für externe Analysen müssen Referenzgenom, Probe und Dateiformat deren aktuellen Vorgaben entsprechen.

Extrahiert Reads des Y-Chromosoms als indexierte BAM-Datei. Der Chromosomenname richtet sich nach dem Referenzgenom. Ausgabe: [Name]_Y.bam und Index.

bcftools ruft Varianten auf dem Y-Chromosom auf und erstellt eine komprimierte VCF-Datei. Sie enthält erkannte Varianten, keine vollständige Liste aller SNPs oder STRs. Ausgabe: [Name]_Y.vcf.gz.

Genome wertet die Y-Varianten lokal aus und vergleicht sie mit der integrierten Haplogruppen-Referenz. Das Ergebnis beschreibt die väterliche Linie und die dafür herangezogenen Marker; es bildet nicht die gesamte Abstammung ab. Aussagekraft und Detailtiefe hängen von den verfügbaren Reads und der Referenz ab.

Haplogrep 3 ordnet Varianten aus einer MT-VCF einer maternalen Haplogruppe zu. Genome kann dafür eine automatisch erzeugte oder ausgewählte VCF verwenden. Die Zuordnung beschreibt die mitochondriale Linie und hängt von den erkannten Varianten und dem gewählten Phylotree ab.

HLA*LA wertet eine GRCh38-alignierte BAM-Datei mithilfe des PRG_MHC_GRCh38_withIMGT-Referenzgraphen aus. Benötigt werden HLA*LA, der passende Graph und ein BAM-Index. Genome erstellt technische HLA-Ergebnisse sowie einen HTML- und PDF-Bericht; die Berichte dokumentieren verfügbare Allele und Einschränkungen. Die Ausgabe ist keine klinische Bestätigung und muss für medizinische Entscheidungen fachlich eingeordnet werden.

T1K ergänzt HLA*LA als unabhängige zweite Evidenzschicht. Genome nutzt T1K-HLA nicht als Ersatz für HLA*LA, sondern zur Konkordanzprüfung: HLA*LA-G-Gruppen bleiben primär, T1K-Ergebnisse werden orderless und normiert gegenübergestellt. Abweichungen werden als technische Evidenz sichtbar, nicht automatisch als klinische Aussage.

T1K kann zusätzlich KIR-Gene typisieren. Genome behandelt KIR getrennt von HLA: KIR-Genstatus, KIR-HLA-Kontext und technische Evidenz erscheinen als eigener Abschnitt im medizinischen Genomik-Bericht. Fehlende oder niedrige Evidenz bleibt sichtbar und wird nicht versteckt.

KILDA analysiert LPA/KIV-2-Kontext aus lokalen Eingaben. Genome zeigt Rohwerte, technische Evidenz und Interpretation getrennt: Werte wie quantile=NA bleiben als Rohwert erhalten, statt durch Platzhalter oder klinische Vereinfachungen ersetzt zu werden. Ergebniszeilen bleiben kompakt und prüfbar.

Aldy4 analysiert komplexe pharmakogenetische Gene und erzeugt Diplotyp-/Allelinformationen für PGx-Berichte. Genome verwendet Aldy4 ausschließlich im Pharmakogenetik-Kontext; HLA, KIR oder allgemeine medizinische Genomik werden dadurch nicht vermischt. Der PDF-Bericht trennt Variantenbasis, Diplotyp, Gen-Wirkstoff-Kontext und vorsichtige Interpretation.

ExpansionHunter wertet definierte Repeat-Loci aus. Genome trennt Repeat-Records von SmallVariant-Ausgaben und dokumentiert Allelgrößen, Read-Evidenz und Konfidenzintervalle. Locus-spezifische Grenzen bleiben sichtbar; ein Repeat-Befund ersetzt keine Diagnostik.

PGS Catalog-Dateien können zur Score-Bestimmung genutzt werden. Genome dokumentiert Score-Datei, Variantenbasis, berücksichtigte Marker und Grenzen. PGS-Ergebnisse sind populations- und dateiabhängige Risikokontexte, keine Diagnose.

ACMG-SF screenen bewertet die Gene der ACMG Secondary Findings Liste v3.3 als gesonderten technischen Suchlauf. Genome hält Varianten, Evidenz, Abdeckung und Grenzen nachvollziehbar getrennt. Ein Treffer ist kein klinischer Befund und muss fachärztlich sowie in einem akkreditierten Labor bestätigt werden.

Die Telomerlängenanalyse nutzt TelomereHunter2 auf lokalen Sequenzdaten. Genome zeigt die technische Schätzung samt Qualitätskontext; sie ist weder Altersbestimmung noch Diagnose und erfordert für medizinische Aussagen eine validierte klinische Methode.

Extrahiert Reads die nicht gegen das Referenzgenom ausgerichtet wurden. Mögliche Ursachen: nicht-humane DNA (Bakterien, Viren), Sequenzierungsfehler, sehr kurze Reads, Sequenzen in Referenzlücken. Ausgabe: FASTQ-Datei mit unmapped Reads. Nützlich für metagenomische Analyse (Kaiju, CosmosID).

Setzt Varianten-IDs nach dem Schema CHROM:POS:REF:ALT via bcftools annotate. Falls keine VCF im Output-Verzeichnis vorhanden ist, wird zuerst automatisch ein Variant Calling aus dem geladenen BAM durchgeführt (bcftools mpileup | call). Ausgabe: _annotated.vcf.gz.

Filtert VCF-Varianten nach Qualitätskriterien: QUAL≥20 und Lesetiefe DP≥10 via bcftools view. Falls keine VCF vorhanden, wird zuerst Variant Calling ausgeführt. Ausgabe: _filtered.vcf.gz.

Berechnet mit bcftools stats Kennzahlen einer VCF, darunter Ts/Tv-Verhältnis, SNP/Indel-Verhältnis, Heterozygotie und Varianten pro Chromosom. Diese Werte hängen von Daten und Analyse ab und müssen im jeweiligen Kontext interpretiert werden. Falls keine VCF vorhanden ist, kann Genome zuerst Varianten aufrufen. Ausgabe: _stats.txt.

Ruft aus der BAM/CRAM eine EBV-VCF und eine Coverage-Zusammenfassung (samtools, mosdepth) ab. Benötigt eine Referenz mit EBV-Contig. Ordnet virale Treffer als technische Evidenz ein, nicht als Diagnose.

Exportiert unmappierte Reads als FASTQ für Kaiju und CosmosID; benötigt samtools.

Aktionen auf der geladenen VCF: Annotieren, Filtern, Soft-Filter, Normalisieren und VarQC.

Im Modus TXT wählst du unter „Datenverwaltung“ eine Genome- oder MTHFR-Genetics-Datei oder eine andere tab-getrennte Tabelle mit rsID-, Positions- und Genotyp-Spalten aus. Genome zeigt, wie viele SNP-Einträge geladen wurden.

Wähle als Suchmodus BAM und gib eine oder mehrere rsIDs ein. Genome löst die rsID zu einer Position auf und wertet dort die Reads in der geladenen, indizierten BAM- oder CRAM-Datei aus. Alternativ kannst du eine Position im Format chr:pos eingeben, zum Beispiel chr6:26000000. Erforderlich sind ein passender Referenzdatensatz mit FASTA-Datei, der BAM/CRAM-Index sowie samtools und bcftools. Für die rsID-Auflösung kann Genome NCBI kontaktieren und, falls vorhanden, eine lokale dbSNP-Referenz als Rückfall nutzen. Dabei werden angefragte rsIDs, nicht die Genomdatei, übermittelt. Die gefundene Sequenz-Evidenz hängt von Referenz, Abdeckung und Qualität der Reads ab. Keine ausreichende Coverage bedeutet, dass die Position nicht zuverlässig beurteilt werden kann, nicht dass die Variante sicher fehlt.

Im Modus FASTQ kannst du rsIDs oder Positionen anhand deiner lokalen Sequenzdateien prüfen. R1 ist erforderlich; R2 kann zusätzlich ausgewählt werden. Genome benötigt minimap2, samtools, bcftools sowie ein ausgewähltes und indiziertes Referenzgenom. Die nötige Referenz wird im Suchbereich gewählt.

Geben Sie eine oder mehrere rsIDs in das Textfeld ein, eine pro Zeile. Format: rs123456 oder einfach 123456. Sie können auch aus anderen Programmen kopieren und einfügen; der Filter bereinigt automatisch extra Zeichen. Die Abzählung zeigt wie viele rsID(s) Sie eingegeben haben.

Der Filter-Button erscheint automatisch wenn Sie Text mit Sonderzeichen oder Whitespace eingeben. Ein Klick extrahiert automatisch alle rsID-Muster (rs + Zahlen) aus dem Text und entfernt alles andere, perfekt zum Bereinigen von kopierten Listen mit extra Leerzeichen oder Kommas.

Klicke auf „Suchen“. Im TXT-Modus vergleicht Genome die eingegebenen rsIDs mit den Einträgen der geladenen Datei. Im BAM- oder FASTQ-Modus wird die passende Sequenz-Evidenz aus den ausgewählten Dateien ausgewertet.

Im TXT-Modus zeigt die Ergebnistabelle unter anderem rsID, Chromosom, Position und Genotyp; nicht gefundene Einträge stehen separat. BAM- und FASTQ-Suchen zeigen zusätzlich die verfügbare Read-Evidenz und den Suchstatus. Ergebnisse lassen sich als tab-getrennte Werte in die Zwischenablage kopieren.

Speichern Sie häufig gesuchte rsID-Listen als Vorlagen mit Namen (z. B. 'Meine Ancestry SNPs', 'Gesundheits-Panel'). Jede Vorlage kann ein individuelles SF-Symbol-Icon und eine Bemerkung erhalten. Vorlagen erscheinen im Dropdown-Picker oben. Eingebaute Vorlagen sind vordefiniert und nicht löschbar.

Jede Vorlage hat Optionen zum Laden, Bearbeiten und Löschen. 'Laden' befüllt das Suchfeld mit den gespeicherten rsIDs. 'Bearbeiten' öffnet ein Formular zum Ändern von Name, Symbol und rsID-Liste. Bemerkungen werden automatisch gespeichert (Debounce). Import/Export ermöglicht das Teilen von Vorlagen als TXT-Datei.

Ist der Datenbankabgleich aktiv, reichert Genome die Treffer nach der Suche via bcftools mit Gen, Referenz-Allel und klinischer Bedeutung aus ClinVar und dbSNP an (Farbpunkt-Ampel in der Spalte Klinik).

Der medizinische Genomik-Bericht bündelt HLA*LA, T1K-HLA-Konkordanz, T1K-KIR, KILDA/LPA, ExpansionHunter, SNP-/ClinVar-/PGS-Kontext, mtDNA/Haplogrep und optionale EBV-/Mikrobiom-Evidenz. Abschnitte erscheinen nur, wenn passende Eingaben und Artefakte vorhanden sind. Das Komplettbericht-Preset kann zusätzlich ein eigenes Pharmakogenetik-Kapitel in dasselbe PDF aufnehmen.

Ein eigenständiger Pharmakogenetik-Bericht behandelt Aldy4-Diplotypen, PharmCAT/SNP-Regeln, CPIC/DPWG/PharmGKB-Kontext und vorsichtige Wirkstoffhinweise. Im Komplettbericht kann derselbe Bereich als eigenes Pharmakogenetik-Kapitel im gemeinsamen PDF erscheinen; HLA, KIR, LPA und Repeat-Daten bleiben getrennte Berichtsteile.

Jeder Bericht dokumentiert Datenbasis, genutzte Dateien, Referenzen, Tool-Versionen, Warnhinweise und Grenzen. Technische Rohwerte bleiben sichtbar, damit ein Ergebnis nachvollziehbar und prüfbar bleibt.

Optionales Feld, das den Sample-/Probennamen für den Bericht setzt und den abgeleiteten Namen überschreibt.

Homebrew ist ein Paketmanager für macOS und kann bei der Einrichtung einzelner Abhängigkeiten verwendet werden. Genome installiert seine Werkzeuge über unterschiedliche verwaltete Wege; nicht alle werden von Homebrew bezogen.

Werkzeug für BAM/SAM-Verarbeitung, etwa zum Sortieren und Indexieren, Extrahieren von Reads, Erstellen eines Pileups, Umwandeln von BAM in FASTQ und Prüfen der Coverage. Die installierte Version lässt sich mit 'samtools --version' anzeigen.

Variant-Calling und VCF-Verarbeitung. Verwendet für: mpileup (Pileup-Erstellung), call (Variantenruf), view (VCF filtern/konvertieren), annotate (Annotierung), stats (Qualitätsstatistiken). Oft zusammen mit htslib installiert.

Genome bietet bwa mem für kurze Reads und minimap2 für lange Reads. Die Wahl des Aligners richtet sich nach dem Workflow; Referenz und gegebenenfalls benötigte Indexdateien müssen dazu passen.

Fastp prüft FASTQ-Dateien und kann Adapter sowie Reads niedriger Qualität filtern. Der Lauf erzeugt einen Qualitätsbericht und kann bereinigte FASTQ-Dateien ausgeben. Ergebnis und Laufzeit hängen von Eingabe und Einstellungen ab.

FastQC erstellt einen Bericht zur Qualität von FASTQ-Reads. Genome verwaltet die dafür benötigten Werkzeuge und Laufzeitkomponenten über die angezeigten Installationswege.

sambamba ist ein optionales Werkzeug für bestimmte BAM-Verarbeitungsaufgaben. Es ist kein pauschaler Ersatz für samtools in jedem Workflow; prüfe in der jeweiligen Pipeline, ob es verwendet wird.

Haplogrep 3 wertet Varianten aus mitochondrialen Daten gegen einen Phylotree aus und gibt eine Haplogruppenzuordnung mit technischer Evidenz zurück. Genome verwaltet das Werkzeug und die benötigten Daten über die App.

HLA*LA nutzt einen Referenzgraphen für die HLA-Auswertung aus einer passenden GRCh38-BAM-Datei. Benötigt werden das Werkzeug, der PRG_MHC_GRCh38_withIMGT-Graph und ein BAM-Index. Genome erstellt technische Ergebnisse sowie HTML- und PDF-Berichte. Die genaue Laufzeit hängt von Eingabedaten und verfügbarer Hardware ab.

T1K wird für zwei getrennte Genome-Analysen genutzt: HLA-Auswertung als zweite Evidenzschicht zu HLA*LA und KIR-Genotypisierung. HLA-Resultate werden mit HLA*LA verglichen; KIR bleibt ein eigener Ergebnisblock. Genome zeigt dabei technische Evidenz und Konkordanz, ohne HLA und KIR in eine Diagnose zu vermischen.

KILDA liefert die LPA-Analyse für KIV-2/LPA-Kontext. Genome übernimmt Rohwerte und Tool-Grenzen sichtbar in den Bericht. Werte wie quantile=NA werden nicht geglättet, sondern als technische Information dokumentiert.

Aldy4 wird für Pharmakogenetik eingesetzt, insbesondere für komplexe PGx-Gene und Diplotypen. Genome verwendet Aldy4-Ausgaben nur im PGx-Bericht und trennt sie von HLA, KIR, LPA und Repeat-Analysen.

ExpansionHunter analysiert Repeat-Expansionen an definierten Loci. Genome übernimmt Repeat-Records, Allelgrößen, Read-Evidenz und Konfidenzintervalle und hält SmallVariant-Ausgaben getrennt.

TelomereHunter2 schätzt die Telomerlänge aus lokalen Sequenzdaten. Genome verwaltet das Tool über die Conda-basierte Toolchain und stellt Ergebnis, technische Qualität und methodische Grenzen getrennt dar.

PharmCAT ist Teil der optionalen pharmakogenetischen Erweiterungen. Genome stellt die dafür benötigte Positionsreferenz bereit und bindet das Ergebnis in den PGx-Bericht ein. Der Bericht zeigt die verwendeten Varianten und fachlichen Grenzen; er ersetzt keine medizinische Beratung.

Installiert die im aktuellen Release verwalteten Werkzeuge, soweit sie im Tools-Bereich aufgeführt sind. Die Installation kann verschiedene Paketmanager und verwaltete Laufzeitumgebungen verwenden. Sie benötigt Internetzugang; Fortschritt und Fehler erscheinen im Protokoll.

Prüft den Installationsstatus der aufgeführten Werkzeuge erneut. Nutze diese Aktion nach Änderungen an verwalteten Toolpfaden oder Installationen.

Die Übersicht zeigt den aktuellen Installationsstatus und die Bereitschaft der Werkzeuge. Nicht installierte optionale Werkzeuge sind als verfügbar gekennzeichnet. In der Kopfzeile findest du die Aktionen zum Prüfen, Erkennen, Installieren und Entfernen; verfügbare Updates werden gesondert angezeigt.

Genome verwendet je nach Werkzeug unterschiedliche Installationswege. Zu den lokalen Komponenten gehören etwa samtools, bcftools und bwa für Sequenzdaten, Fastp und FastQC für Qualitätskontrolle sowie HLA*LA, T1K, KILDA, Aldy und ExpansionHunter für spezialisierte Analysen. Der Tools-Bereich zeigt Status, Version und verfügbare Aktionen für die aktuelle Installation.

Panels enthalten SNP-Positionen gängiger Chip-Plattformen und sind an ein Referenzgenom gebunden. Wähle ein Panel, dessen Build zu Eingabedatei und Export passt. Die verfügbare Auswahl und der Umfang unterscheiden sich je nach Panel. Genome speichert Panels als .tab.gz oder .vcf.gz in der Reference Library.

GRCh38 ohne alternative contigs. Wähle diese Referenz, wenn sie zum Build deiner Eingabedatei und zum verwendeten Workflow passt. Speicherbedarf und Inhalt richten sich nach der installierten Referenzfassung.

GRCh38 mit zusätzlichen Decoy-Sequenzen. Solche Referenzsequenzen können Reads aufnehmen, die sonst mehrdeutig auf Assembly-Regionen abgebildet würden. Verwende hs38d1, wenn die Eingabedaten oder das gewählte Workflow-Profil diesen Build erwarten.

GRCh38-Referenz von UCSC mit Hauptassembly und alternativen Sequenzen. Chromosomennamen tragen üblicherweise das Präfix chr. Verwende sie, wenn BAM oder CRAM auf diesen Build ausgerichtet wurde.

GRCh37-Referenz, auch hg19 genannt. Chromosomennamen stehen üblicherweise ohne chr-Präfix. Verwende sie für Eingabedaten, die gegen GRCh37/hg19 ausgerichtet wurden, und kombiniere sie mit einem passenden Panel.

GRCh37-basierte Referenz mit zusätzlichen hs37d5-Decoy-Sequenzen. Prüfe den Build deiner BAM- oder CRAM-Datei und wähle eine kompatible Referenz; der Anbietername allein reicht zur Auswahl nicht aus.

Die Referenzen-ÜBERSICHT zählt die Kern-Referenzbibliothek aus 8 Assets: hs38d1.fa + .fai, hs38.fa + .fai, dbSNP, ClinVar, HLA-LA-Graph und T1K (KIR/HLA-Referenz). Die Karte zeigt 'X/8 Referenz-Assets bereit' mit Ring. Oben rechts liegt dasselbe Aktions-Cluster wie bei Tools: Prüfen, Erkennen (Status neu einlesen), Alle installieren (sequenziell, überspringt Vorhandene), Alle updaten (nur als Update markierte neu laden), Alle löschen (Mülleimer, destruktiv, mit Bestätigung). Microarray-Panels sind eine eigene Kategorie und nicht Teil der 'Alle'-Aktionen.

Referenzgraph für die HLA-Auswertung durch HLA*LA. Er enthält die benötigte GRCh38-/IMGT-HLA-Graphstruktur. Die HLA*LA-Pipeline kann ohne den passenden Graphen nicht laufen; prüfe den Downloadstatus und den freien Speicher in Referenzen.

PGS Catalog-Dateien beschreiben Score-Definitionen und Markerlisten für PGS-Score-Bestimmung. Genome legt sie in der Reference Library ab und dokumentiert im PDF-Bericht Score-Datei, verwendete Variantenbasis, fehlende Marker und Grenzen. PGS-Scores sind populations- und dateiabhängige Risikokontexte, keine Diagnose.

Jeder ausgeführte Shell-Befehl wird mit seinem vollständigen Ausgabe-Text angezeigt. Farbcodierung: normaler Text = stdout, rote Einträge = stderr/Fehler. Fortschrittsbalken-Ausgaben werden als laufende Zeile aktualisiert.

Kopiert den gesamten sichtbaren Log-Inhalt in die Zwischenablage. Nützlich für Fehlerberichte oder Debugging. Der Inhalt enthält alle Zeitstempel und Befehle der aktuellen Session.

Löscht die Log-Anzeige in der App (sichtbarer Bereich). Die physische Logdatei unter ~/Library/Application Support/Genome/logs/ bleibt vollständig erhalten.

Jede App-Session wird automatisch als Logdatei gespeichert: ~/Library/Application Support/Genome/logs/genome_YYYY-MM-DD_HHmmss.log. Die letzten 20 Sessions werden aufbewahrt, ältere automatisch gelöscht. Im Finder erreichbar über: Gehe zu → Bibliothek → Application Support → Genome → logs.

In Einstellungen → Debug-Logging aktivierbar. Zeigt zusätzlich interne Zustände, Parsing-Ergebnisse und Entscheidungslogik. Nur für Fehleranalyse empfohlen, verlangsamt die Anzeige bei intensiver Ausgabe.

Der Ausführungsverlauf protokolliert alle abgeschlossenen Analysen mit Typ, Datum, Dauer, Erfolg/Fehlschlag und vollständigem Log. Die letzten 100 Durchläufe werden in ~/Library/Application Support/Genome/run_history.json gespeichert.

Erfasste Typen: Alignment, Extraktion, Microarray, Haplogruppe, LPA, Sonstige.

Das Protokoll führt jeden Lauf nach Typ (Alignment, Analyse/Export, Microarray, Klinische Pipeline u. a.) und zeigt Heartbeats, Fortschritt, Warnungen und technische Ausgaben. Ältere Logdateien werden automatisch ausgedünnt.

Farbschema: System (folgt macOS), Hell oder Dunkel. Sprache: System (folgt macOS), Deutsch oder Englisch. Beide Einstellungen werden sofort angewendet und gespeichert.

Wenn aktiviert (Standard: ein), spielt die App einen Warnsound ab wenn ein laufender Prozess unerwartet verlangsamt. Hilft, Probleme wie I/O-Timeouts oder SSD-Schlafmodus zu erkennen, ohne den Bildschirm ständig zu beobachten.

In den Einstellungen kann das Entwicklermenü aktiviert werden. Es zeigt erweiterte Optionen: Pipeline-Tool-Auswahl, Test-Datengenerator, Dock-Icon-Einstellungen und Debug-Logging. Die Akzentfarbe wechselt zu Blau als visueller Hinweis.

Die Pipeline-Einstellungen umfassen je nach Profil den Aligner (bwa oder minimap2), Split-Read-Modus, Markdup-Werkzeug, Fastp-Trimming und Haplogrep-Baum. Variant Calling erfolgt über den bcftools-Schritt. Ergebnisse hängen unter anderem von Referenz, Werkzeugversion, Einstellungen und Eingabedaten ab.

Erzeugt ein synthetisches Mini-Dataset (100 kb Referenz + 5.000 Read-Paare) für eine kurze Funktionsprüfung. Es hilft, unterstützte Abläufe mit Testdaten zu prüfen, ersetzt aber keine Analyse echter WGS-Daten. Daten werden unter ~/GenomeTest/ gespeichert.

Das App-Icon im Dock und in der App-Übersicht kann unabhängig vom Systemdesign auf Hell, Dunkel oder Auto gestellt werden.

Getrennte Auswahl für App-Sprache und Berichtssprache (jeweils System, Deutsch oder Englisch). Die App-Sprache steuert die Oberfläche, die Berichtssprache die erzeugten PDF-Berichte.

Beta-Updates aktivieren, nach Updates suchen und den Cache-Grenzwert festlegen (maximaler Speicher für zwischengespeicherte Daten).

Problem: 'No index file found', Extraktion startet nicht. Lösung: samtools index <datei.bam> im Terminal ausführen. Für CRAM: samtools index <datei.cram>. Der Index (.bai/.crai) muss im selben Verzeichnis wie die BAM/CRAM-Datei liegen.

Problem: 'Reference genome not found' oder CRAM lässt sich nicht öffnen. Lösung: Referenzen → passendes Referenzgenom herunterladen. Sicherstellen dass Reference Library auf das richtige Verzeichnis zeigt (Verzeichnisse → Reference Library). CRAM benötigt exakt dasselbe Genom gegen das aligniert wurde.

Problem: Ein benötigtes Werkzeug fehlt. Öffne Tools und nutze die dort verfügbare Installieren- oder Reparieren-Aktion; prüfe danach den Status erneut. Lies das Protokoll, um das betroffene Paket oder den Pfad zu erkennen.

Problem: Der bwa-Index fehlt oder passt nicht zum ausgewählten Genom. Genome kann den benötigten Index für die ausgewählte Referenz erstellen. Prüfe das Protokoll und stelle sicher, dass Eingabe, Referenz-Build und Index zusammenpassen.

Niedrige oder ungleichmäßige Coverage kann dazu führen, dass für einzelne Positionen keine zuverlässige Aussage möglich ist. Es gibt keinen einzelnen Schwellenwert für alle Regionen und Variantentypen. Prüfe die Positions-Evidenz, Read-Qualität, Referenz und das Assay-Design; ein fehlender Call bestätigt nicht, dass eine Variante fehlt.

Problem: Eine CRAM-Datei öffnet nicht oder liefert leere Ausgabe. Häufige Ursache ist ein Referenzgenom, das nicht exakt dem ursprünglichen Alignment entspricht. Wähle in der Reference Library den passenden Build und prüfe bei Bedarf die Prüfsumme der Referenzdatei mit den Angaben aus dem Alignment oder den Unterlagen zur Datei.

Problem: MT-Haplogruppe nicht berechenbar. Lösung: Tools → Haplogrep 3 installieren. Sicherstellen dass Reference Library gesetzt ist. Java muss installiert sein. Manuell prüfen: haplogrep3 --help.

Wenn die Installation fehlschlägt, lies den Tools-Log und prüfe den gemeldeten Build- oder Abhängigkeitsfehler, bevor du es erneut versuchst. Für einen fehlenden Graphen öffne Referenzen und installiere PRG_MHC_GRCh38_withIMGT. HLA*LA benötigt eine passende GRCh38-BAM mit Index; Y-only- und MT-only-Dateien enthalten nicht die benötigte Evidenz aus der HLA-Region.

Problem: Extraktion läuft durch aber keine Dateien im Output-Verzeichnis. Mögliche Ursachen: (1) Output-Verzeichnis falsch gesetzt, Verzeichnisse prüfen. (2) Keine Schreibrechte im Output-Verzeichnis. (3) BAM enthält keine Reads für die gewählte Region (z. B. kein Y-Chromosom in weiblicher Probe). Protokoll auf Fehlermeldungen prüfen.

Problem: Pipeline bricht mit 'Operation timed out' oder 'bgzf_read' Fehler ab, besonders auf externen USB-SSDs. Ursache: Die SSD geht in den Ruhezustand oder die USB-Verbindung wird kurz unterbrochen. Lösung: Bei I/O-Timeouts erscheint ein Retry-Dialog. 'Wiederholen' versucht den Schritt erneut. SSD-Schlaf verhindern: Systemeinstellungen → Energie → 'Festplatten im Ruhezustand deaktivieren' ausschalten. Für lange Pipelines: interne SSD verwenden oder externe SSD direkt anschließen (kein Hub).

Ausrichtung, Extraktion und Downloads dauern je nach Read-Anzahl, Coverage, Referenzen, Werkzeugen, Hardware und Speicher unterschiedlich lang. Genome zeigt den Fortschritt des Workflows an. Für große Datensätze empfiehlt sich ein schnelles Laufwerk mit ausreichend freiem Speicher, das während des gesamten Laufs verbunden bleibt.

SAM ist ein Textformat für ausgerichtete Sequenzierungsreads; BAM und CRAM sind komprimierte Binärformate. CRAM benötigt zum Dekodieren das passende Referenzgenom. BAM und CRAM brauchen für den schnellen Zugriff auf Genomregionen einen Index (.bai oder .crai).

Rohformat für Sequenzierungsreads mit Qualitätswerten. Jeder Read besteht aus vier Zeilen: Name, Sequenz, '+', Qualitätswerte als ASCII-Zeichen. Paired-End-Daten speichern R1 und R2 in getrennten Dateien. Die Dateigröße hängt von Sequenzierungsdesign und Read-Anzahl ab.

Variant Call Format speichert Varianten, die eine bestimmte Pipeline gegen ein Referenzgenom aufgerufen hat. Felder sind unter anderem CHROM, POS, ID, REF, ALT, QUAL, FILTER, INFO, FORMAT und Sample-Genotyp. Eine komprimierte .vcf.gz-Datei kann für den schnellen Zugriff einen Tabix-Index (.tbi) verwenden.

SNP (Single Nucleotide Polymorphism): einzelne Basenvariation (z. B. A→G). rsID: eindeutiger Bezeichner aus der NCBI dbSNP-Datenbank (z. B. rs1805007 = MC1R Rotgenvariante). Indel: Insertion oder Deletion von einer oder mehreren Basen. Microarray-Chips messen hauptsächlich bekannte SNPs.

Eine Haplogruppe ist ein Zweig auf einem genetischen Linienbaum. Y-Haplogruppen beschreiben eine väterliche Linie, mitochondriale Haplogruppen eine mütterliche. Sie fassen nicht die gesamte Abstammung zusammen; die Detailtiefe hängt von den beobachteten Varianten und dem Referenzbaum ab.

Coverage oder Lesetiefe beschreibt, wie viele Sequenzierungsreads eine genomische Position abdecken. Sie variiert innerhalb einer Probe und nach Assay. Ob die Evidenz ausreicht, hängt von Read-Qualität, Variantentyp, Referenz und Analyseziel ab; es gibt keinen allgemeinen Schwellenwert für alle Anwendungen. Prüfe sie mit 'samtools coverage' oder 'samtools depth'.

Der Referenz-Build bestimmt die Koordinaten und Sequenzen, gegen die Reads ausgerichtet wurden. GRCh38 wird auch als hg38, GRCh37 als hg19 bezeichnet; hs37d5 ergänzt GRCh37 um Decoy- und EBV-Sequenzen. Genome liest den Build aus bekannten Merkmalen im BAM-Header, kann ihn bei unvollständigen oder nicht eindeutig erkennbaren Headern aber nicht sicher zuordnen. Verwende für Panels und weitere Verarbeitung denselben Build wie beim Alignment.

Die Transition/Transversion-Ratio vergleicht Basenwechsel innerhalb derselben Basenklasse (A↔G oder C↔T) mit Wechseln zwischen den Klassen. Erwartungswerte hängen von Assay, Zielregion, Variantensatz und Calling-Pipeline ab; interpretiere den Wert mit diesen Angaben statt als allgemeinen Qualitätsgrenzwert.

Der Phred-Score beschreibt die geschätzte Fehlerwahrscheinlichkeit eines Basenrufs auf logarithmischer Skala: Q20 entspricht 1 %, Q30 0,1 % und Q40 0,01 %. FASTQ speichert die Scores als ASCII-Zeichen, üblicherweise mit Offset 33. Fastp und FastQC zeigen Qualitätsverteilungen; passende Grenzwerte hängen vom Assay und der Analyse ab.

PCR-Duplikate sind Reads mit übereinstimmenden Alignment-Koordinaten, die durch Amplifikation von Bibliotheksmolekülen entstehen können. Werkzeuge wie samtools markdup können sie für nachgelagerte Analysen markieren. Ihr Anteil hängt von Bibliothek und Assay ab und ist allein kein allgemeiner Qualitätsbefund.

Decoy-Contigs sind zusätzliche Referenzsequenzen, die Reads repräsentieren können, die sich durch die Hauptassembly nicht eindeutig erklären lassen. Ihre Wirkung hängt von Daten, Aligner und Referenz ab; sie garantieren nicht, dass mehrdeutige Alignments oder falsche Calls verschwinden.

Wenn ein Read an mehreren Stellen im Genom alignt (Split-Read/chimäres Alignment), gibt es zwei Markierungsarten:

• Supplementary (FLAG 2048): Das kürzere Alignment-Fragment ist supplementär zum primären. Moderner Standard, von allen aktuellen Tools unterstützt.

• Secondary (FLAG 256): Das kürzere Fragment wird als sekundäres Alignment markiert (bwa -M Flag). Nötig für ältere Tools. Sekundäre Reads enthalten mehr Daten pro Eintrag und erzeugen leicht größere BAM-Dateien.

In der Genome-App einstellbar unter Konvertierung → Split-Reads.

Copy Number Variation, Abweichung von der normalen diploiden Kopienzahl (2) einer Genomregion. Deletionen (0-1 Kopien) und Duplikationen (3+ Kopien) betreffen teils ganze Gene. Beispiele: LPA/KIV-2 CNV für Lipoprotein(a)-Kontext und CYP2D6 CNV für Pharmakogenetik.

DNA ist doppelsträngig, jede Base hat ein Komplement (A↔T, C↔G). Genotypisierungsplattformen können den Plus-Strang (Forward) oder den Minus-Strang (Reverse) als Referenz verwenden. Dadurch kann derselbe SNP als 'A' (Plus-Strang) oder 'T' (Minus-Strang) angegeben werden. Beim Vergleich von Daten aus verschiedenen Quellen (z. B. SNP-Array vs. WGS-Extraktion) müssen die Strang-Konventionen berücksichtigt werden. Besonders A/T- und C/G-SNPs sind mehrdeutig, da Plus- und Minus-Strang nicht unterscheidbar sind.

Konvertierung genomischer Koordinaten zwischen verschiedenen Referenzgenom-Versionen (z. B. hg19 → hg38). Notwendig wenn Daten aus unterschiedlichen Builds verglichen werden sollen. Die gleiche Variante hat in hg19 und hg38 unterschiedliche Positionsangaben, da sich die Referenzsequenz zwischen den Versionen geändert hat (Lücken geschlossen, Contigs verschoben). Tools: UCSC LiftOver, CrossMap, Picard LiftoverVcf.

WGS sequenziert Reads über das Genom; WES reichert ausgewählte kodierende Bereiche an. Keines garantiert gleichmäßige Abdeckung jeder Position. Die Microarray-Extraktion benötigt Evidenz an den ausgewählten Panel-Positionen; WES erfasst viele nicht-kodierende Stellen womöglich nicht. Das Ergebnis hängt von Datei und tatsächlicher Coverage ab.

Bei einer vorhandenen BAM-Datei muss die Referenz zum Build passen, gegen den sie ausgerichtet wurde. Nutze nach Möglichkeit die Build-Angabe aus den Dateimetadaten oder die Information des erzeugenden Workflows und gleiche sie mit der Reference Library ab. hs38d1 enthält zusätzliche Decoy-Sequenzen; hs38 bezeichnet eine GRCh38-Referenz ohne alternative Contigs. Bei einer neuen FASTQ-Analyse wählst du das Referenzgenom passend zum Preset und behältst es für die folgenden Schritte bei.

Genome bietet einen allgemeinen tab-getrennten SNP-Export und ein eigenes MTHFR-Panel-Format. Ob ein externer Dienst diese Dateien aktuell akzeptiert, hängt von dessen Importvorgaben ab. Prüfe vor dem Upload die geforderten Spalten, das Referenzgenom und die Datenschutzbedingungen des jeweiligen Anbieters; ein ähnliches Spaltenlayout garantiert keine Kompatibilität.

Das Genome-Format enthält SNPs, die im Eingabedatensatz erkannt und dem verfügbaren Panel zugeordnet wurden. Genome Deep ergänzt die im Export verfügbaren Angaben zu Read-Tiefe und Call-Konfidenz. Prüfe vor einem Import in GEDmatch oder einen anderen Dienst dessen aktuelle Vorgaben zu Format, Referenzgenom und Umfang.

Genome verarbeitet unterstützte Genomdateien auf deinem Mac und sendet sie nicht an PJ Labs. Es gibt keinen Account und keine Telemetrie. Netzwerkzugriff wird für ausdrücklich gestartete Tool- und Referenzdownloads sowie für optionale öffentliche Abfragen genutzt; dabei werden die angefragten rsIDs an die angezeigten Datenbanken gesendet. Die Quelldatei wird nicht hochgeladen.

Das lässt sich nicht verlässlich mit einer einzigen Zeitangabe beantworten. Eine Suche in einer vorbereiteten BAM-Datei ist ein anderer Arbeitsgang als ein FASTQ→BAM-Alignment. Dauer und Speicherbedarf hängen unter anderem von Abdeckung, Dateigröße, Referenz, Werkzeugen und Laufwerk ab; Genome zeigt den Fortschritt während des Laufs an.

Manche BAM-Dateien haben einen unvollständigen Header. Genome kann dann Build und Sequenznamen nicht zuordnen. Prüfe den Header mit 'samtools view -H <datei.bam>' und beschaffe den korrekten Header beziehungsweise die Referenzinformationen aus dem Alignment, das die Datei erzeugt hat. 'samtools reheader' kann einen passenden Header einsetzen; addreplacerg ergänzt Read-Group-Angaben und ersetzt keine fehlenden @SQ-Sequenzen.

Beim Vergleich von Genotypisierungsdaten können mehrere Unterschiede auftreten:

1. Referenz-Builds wie hg19 und hg38 verwenden unterschiedliche Koordinaten. Liftover kann Koordinaten übersetzen, soweit unterstützt.

2. Heterozygote Allele können in beiden Reihenfolgen erscheinen, etwa AG oder GA.

3. Strang-Konventionen können dieselben Basen als Komplement (A↔T, C↔G) darstellen.

4. Verschiedene Assays und Calling-Pipelines können unterschiedliche Calls liefern, besonders bei begrenzter Coverage oder Qualität.

Prüfe Build, Strang-Konvention, Panel und Call-Qualität, bevor du eine Differenz als biologisch einordnest.

Genome kann Y+MT BAM, Y BAM und Y VCF exportieren. Prüfe vor der Nutzung bei yFull dessen aktuelle Upload-, Referenz-Build- und Probenvorgaben; Genome garantiert keine Kompatibilität mit externen Importdiensten.