Referansebaser

Referansebaser er de enkeltbasene som utgjør et referansegenom og fungerer som en felles standard mot hvilken sekvenser fra prøver blir sammenlignet. For hvert koordinat i referansegenomet finnes en basis — vanligvis en av adenin (A), cytosin (C), guanin (G) eller thymin (T) — som definerer referanseallelen ved den posisjonen. Når sekvensdata fra en prøve analyseres, blir innholdet i prøven sammenlignet med referansebasene for å oppdage variasjoner.

Referansebasenes primære bruk er å tilby et koordinatsystem for hele genomet og å støtte identifikasjon av varianttyper som substitusjoner, insertions og deletions. De gjør det mulig å registrere funn i en felles referanse, slik at resultater fra forskjellige studier blir sammenlignbare. Eksempelvis er menneskets referansegenom GRCh38 (hg38) en standard i mange humanbiologiske studier.

Data representerer referansebasene i form av et FASTA- eller lignende sekvensformat, mens avvik fra referansen ofte beskrives i VCF-filer der kolonner angir posisjon, referansebase og alternative baser. Videre brukes referansebaser i annotering av funksjonelle effekter og i beregning av allelefrekvenser i populasjonsstudier.

Utfordringer inkluderer referansebias slik at enkelte varianter virker mindre sannsynlige enn de er, samt områder med gjenkjenning av komplekse regioner og manglende dekning i referansegenomet. Oppdateringer av referansegenomer og inkludering av alternative haplotyper er dermed viktige kontinuerlige prosesser i genomikk.