Duplikatraten

Duplikatraten bezeichnen den Anteil von Duplikaten in einem Datensatz oder die Häufigkeit, mit der identische Elemente mehrmals auftreten. Sie dienen als Qualitäts- und Effizienzmaß in verschiedenen Anwendungsfeldern, etwa in der Genomik, der Datenspeicherung oder der Konsolidierung von Datensätzen.

In der Genomik bzw. Sequenzierung beschreibt die Duplikatrate den Anteil der Reads, die als Duplikate gelten. Diese Duplikate entstehen meist durch Mehrfachverwertung desselben DNA-Fragments bei der Bibliotheksvorbereitung oder durch Bottlenecks im Amplifikationsprozess. Eine hohe Duplikatrate verringert die effektive Sequenzabdeckung und kann die Genauigkeit von Variantenanalysen beeinflussen. Zur Verarbeitung werden Duplikate oft entfernt (Deduplication); der Einsatz von Unique Molecular Identifiers (UMIs) oder sorgfältige Bibliotheksvorbereitung hilft, echte Moleküle von Duplikaten zu unterscheiden.

In der Datenverwaltung beschreibt die Duplikat- beziehungsweise Deduplizierungsrate den Anteil der Daten, der durch das Eliminieren redundanter Kopien eingespart wird. In Backup- und Archivsystemen kann eine hohe Deduplizierung zu deutlichen Speicherersparnissen führen, erfordert aber robuste Erkennung von Duplikaten, um Konsistenzprobleme zu vermeiden.

In bibliografischen und Content-Datenbanken misst die Duplikatrate den Anteil der Records, die als Duplikate identifiziert und zusammengeführt oder gelöscht werden. Niedrige Raten weisen auf hochwertige, konsistente Datensätze hin.