Referensgenomet

Referensgenomet är en sammanställd, representativ sekvens av en art som används som mall vid genomsekvensering och analys. Det ger ett enhetligt koordinatsystem för placering av läsdata, annotering av gener och regulatoriska element samt underlättar jämförelser mellan studier och analysverktyg. Det är inte ett enskilt individens genom utan en konstruktion som speglar artens variation.

Användningar inkluderar kartläggning av nya sekvenser mot referensgenomet för att fastställa var variationer uppträder (variantkallelse), annotering av funktionella element och jämförelse av data mellan studier och analysverktyg. Det tillhandahåller även ett gemensamt koordinatsystem för liftover mellan olika referensversioner och för jämförelser över projekt och arter.

Strukturen består av kromosomerna 1–22 samt X och Y, samt regioner som inte är fullt placerade i kromosomerna. Den inkluderar alternativa haplotyper (ALT-loci) och vissa decoy-sekvenser som används vid mappning. För mänskliga data är GRCh38 den aktuella referensen, efter GRCh37; förvaltningen görs av Genome Reference Consortium i samarbete med NCBI, UCSC och EBI. Uppdateringar ges som patchar, till exempel GRCh38.p13. Andra arter har liknande referensgenom, som musen GRCm39.

Begränsningar inkluderar att referensgenomet speglar en viss haplotyp och kan biasera analyser mot referensalleler, särskilt i populationer som avviker från referensekvensen. Det undervärderar ofta större strukturella variationer och repetitiva regioner, och som en linjär referens begränsar det vissa tillämpningar. Framtiden rymmer pangenom- eller grafbaserade referensramverk som inkluderar flera haplotyper och populationer för att bättre fånga artens genetiska mångfald.