Basenlesen

Basenlesen bezeichnet in der Bioinformatik den Prozess, Rohsignale aus Sequenziergeräten in eine Abfolge von Nukleotiden zu übersetzen. Dabei wird aus den Messdaten die Sequenz der Basen Adenin, Cytosin, Guanin und Thymin (T) bzw. Uracil (U) in RNA bestimmt und gleichzeitig eine Qualitätsbewertung pro Base zugewiesen. In der Praxis dient das Basenlesen als zentrale Vorstufe der Datenanalyse in der Genomik und Transkriptomik.

Historisch entwickelte sich das Basenlesen mit der Sanger-Sequenzierung zu automatisierten, maßgeblich durch Sequenzierplattformen beeinflussten Verfahren. In der nächsten Generation der Sequenzierung (NGS) wird aus Fluoreszenz- oder Signalverläufen pro Lesevorgang eine Base-call erzeugt, oft begleitet von Qualitätswerten (Q-Scores), die das Vertrauen in die jeweilige Base ausdrücken. Moderne Basenlese-Algorithmen nutzen statistische Modelle oder maschinelles Lernen, um Muster im Rohsignal zu interpretieren und Umgebungsgeräusche zu korrigieren.

Technologien unterscheiden sich wesentlich. Bei Illumina-Sequenzierung erfolgen Basecalls primär aus Fluoreszenzsignalen mit kurzen Reads und hoher Genauigkeit. Nanopore-Sequenzierung wandelt Ionenstromveränderungen während des Durchgangs eines Moleküls in Basecalls um und liefert lange Reads bei höherem Fehlerrisiko. PacBio-Technologie arbeitet mit Real-Time-Messungen der DNA-Polymerase und erzeugt ebenfalls Long-Reads, mit spezifischen Fehlertypen.

Anwendungen des Basenlesens reichen von der Genom- und Exom-Analyse bis hin zur Transkriptom- und Metagenomik. Typische Herausforderungen sind Sequenzierfehler, Homopolymere, GC-Gebiete und plattformabhängige Bias. Fortschritte in Deep-Learning-basierten Basenlese-Algorithmen verbessern kontinuierlich die Genauigkeit und die zuverlässige Abschätzung von Unsicherheiten.

See also: basecalling, sequencing, quality score, variant calling.