外觀
參考資料 (Reference Data)
分析之前要先準備好三樣東西:參考基因組 (FASTA)、基因註解 (GTF / GFF),以及要重新分析的公開原始資料。三者的版本與染色體命名必須一致。
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| 參考基因組 | GRCh37 / GRCh38 / T2T、UCSC vs Ensembl vs NCBI、該下載哪個 FASTA、liftOver | 該用哪個版本、哪個檔案?座標怎麼轉換? |
| 基因註解 | GENCODE / Ensembl、RefSeq、MANE Select、UCSC refGene | 用哪套轉錄本?臨床報告該用哪個 transcript? |
| 原始資料庫 | SRA、ENA、DDBJ、GEO、dbGaP / EGA、下載方式 | 公開的 FASTQ / 表現量資料去哪裡找、怎麼下載? |
一套「互相相容」的組合
| 用途 | UCSC / GENCODE 風格(chr1) | Ensembl 風格(1) |
|---|---|---|
| FASTA | GRCh38_no_alt_analysis_set 或 GENCODE GRCh38.primary_assembly.genome.fa | Homo_sapiens.GRCh38.dna.primary_assembly.fa |
| GTF | GENCODE gencode.vXX.annotation.gtf | Homo_sapiens.GRCh38.XXX.gtf |
| 已知變異 | GATK resource bundle(dbSNP、gnomAD) | Ensembl variation |
| 適用 | GATK、多數臨床流程、UCSC 瀏覽器 | Ensembl VEP、部分 Bioconductor 套件 |
記錄每個專案用的版本號(GENCODE vXX / Ensembl release XXX / 下載日期),寫在 README 或流程設定檔中;換版本後基因數、轉錄本 ID 都會變,結果不能直接比較。
格式說明見 FASTA、GTF / GFF3;變異標準集 (GIAB) 見 Genome in a Bottle。