WGS, SNP-Test und WES
Genome
SNP-Tests, WES und WGS erzeugen sehr unterschiedliche Daten. Für PJ Labs und Genome ist WGS die Standardempfehlung, weil es die breiteste, lokal erneut auswertbare Grundlage liefert. Diese Seite erklärt, wann kleinere Datentypen reichen können und warum sie für eine umfassende Genome-Analyse nicht gleichwertig sind.
Kernpunkte
- WGS ist die Standardempfehlung, wenn das Ziel eine breite, spätere und lokale Genome-Auswertung ist.
- SNP-Tests messen ausgewählte Marker und sind deshalb für einzelne rsID-Fragen nützlich, aber keine vollständige Gesundheitsgrundlage.
- WES fokussiert das Exom. Das kann für bestimmte Fragestellungen passen, bleibt aber enger als WGS.
Die kurze Empfehlung
Wenn du neue Genomdaten erzeugen willst und Genome später möglichst breit nutzen möchtest, ist WGS die sinnvollste Wahl. Es hält mehr Information in einem Datensatz, erlaubt spätere Neuinterpretation und macht aus einer einmaligen Sequenzierung eine wiederverwendbare lokale Grundlage. SNP-Test und WES sind nicht falsch, aber sie beantworten nur engere Fragen.
SNP-Test: schnell, aber ausgewählt
Ein SNP-Test oder Microarray prüft vorab festgelegte Positionen. Das ist günstig und reicht für Abstammung, einzelne bekannte Marker oder einfache rsID-Fragen. Der Nachteil ist strukturell: Was nicht auf dem Array liegt, wurde nicht gemessen. Deshalb sind 23andMe- oder Ancestry-Rohdaten kein Ersatz für WGS, wenn Gesundheitsfragen, PGx, HLA-Kontext oder spätere Reanalyse wichtig sind.
WES: stärker als SNP, aber enger als WGS
Whole Exome Sequencing liest vor allem protein-kodierende Bereiche. Das kann bei Exom-Fragen sinnvoll sein, besonders wenn eine Fragestellung klar auf Gene und Proteinveränderungen zielt. Für Genome als allgemeine Werkstatt bleibt WES aber enger: nicht-kodierende Regionen, viele regulatorische Zusammenhänge und manche spätere Analysen fehlen oder sind schwächer abgedeckt.
WGS: eine Datei für viele spätere Fragen
Whole Genome Sequencing deckt das Genom breiter ab. Genome kann daraus bekannte SNPs nachschlagen, Varianten einordnen, PGx-Kontext ableiten, HLA-nahe Werkzeuge nutzen und später neue Fragen gegen denselben Datensatz stellen. Der wichtigste Vorteil ist nicht nur mehr Inhalt, sondern Reanalysefähigkeit: Wenn eine neue Datenbank, ein neuer Report oder ein neues Tool hinzukommt, muss nicht zwangsläufig neu getestet werden.
Welche Dateien sichern?
Wenn ein Anbieter mehrere Exporte liefert, sichere die vollständigsten Dateien. FASTQ enthält die Rohreads, BAM oder CRAM das Alignment, VCF die Variantenliste. Eine kleine Textdatei mit ausgewählten Consumer-Markern ist bequem, aber sie begrenzt die spätere Analyse. Für Genome sind vollständige Sequenzdaten die robustere Grundlage.
Grenzen der Empfehlung
WGS ist die technische Standardempfehlung für breite Genome-Nutzung, aber kein medizinischer Automatismus. Qualität, Labor, Coverage, Datenschutz, Preis, Dateizugriff und die konkrete Fragestellung bleiben wichtig. Ein WGS-Datensatz ersetzt keine ärztliche Diagnose und keine klinische Bestätigung, wenn ein Befund medizinische Konsequenzen haben könnte.
Was Genome misst. Diese Wiki-Seite misst nichts. Sie vergleicht Datentypen, typische Dateiexporte und die Frage, welche Grundlage Genome am vollständigsten auswerten kann.
Verwandte Themen
Quellen
- 1Genome Wiki rsIDs, microarray and SNP lookup. /wiki/snp/microarray-snp/
- 2Genome Wiki Reference genome and builds. /wiki/grundlagen/referenzgenom-und-builds/