Cần bao nhiêu dung lượng để lưu trữ một bộ gen người?

Tôi đang tìm dung lượng lưu trữ theo byte (MB, GB, TB, v.v.) cần thiết để lưu trữ một bộ gen người. Tôi đọc một vài bài báo trên Wikipedia về DNA, nhiễm sắc thể, cặp cơ sở, gen và có một số phỏng đoán sơ bộ, nhưng trước khi tiết lộ bất cứ điều gì, tôi muốn xem những người khác sẽ tiếp cận vấn đề này như thế nào.

Một câu hỏi khác sẽ là có bao nhiêu nguyên tử trong DNA của con người, nhưng điều đó sẽ không chủ đề đối với trang web này.

Tôi hiểu rằng đây sẽ là một con số gần đúng, vì vậy tôi đang tìm kiếm giá trị tối thiểu có thể lưu trữ DNA của bất kỳ con người nào.

Nếu bạn tin tưởng những điều như vậy, đây là những gì Wikipedia tuyên bố (từ http://en.wikipedia.org/wiki/Human_genome#Information_content ):

2,9 tỷ cặp cơ sở của bộ gen người đơn bội tương ứng với tối đa khoảng 725 megabyte dữ liệu, vì mỗi cặp cơ sở có thể được mã hóa bằng 2 bit. Vì các bộ gen riêng lẻ khác nhau ít hơn 1%, chúng có thể được nén không mất mát xuống khoảng 4 megabyte.

Bạn không lưu trữ tất cả DNA trong một dòng, mà phần lớn thời gian nó được lưu trữ bởi các nhiễm sắc thể.

Một nhiễm sắc thể lớn chiếm khoảng 300 MB và một nhiễm sắc thể nhỏ khoảng 50 MB.

Biên tập:

Tôi nghĩ lý do đầu tiên tại sao nó không được lưu trong 2 bit cho mỗi cặp cơ sở là nó sẽ gây ra một trở ngại để làm việc với dữ liệu. Hầu hết mọi người sẽ không biết cách chuyển đổi nó. Và ngay cả khi một chương trình chuyển đổi sẽ được đưa ra, rất nhiều người trong các công ty lớn hoặc viện nghiên cứu không được phép / không cần hỏi hoặc không biết cách cài đặt chương trình ...

Dung lượng lưu trữ 1GB không tốn kém gì, thậm chí việc tải xuống 3 GB chỉ mất 4 phút với 100 Mbitsp và hầu hết các công ty đều có tốc độ nhanh hơn.

Một điểm khác là dữ liệu không đơn giản như bạn được biết.

ví dụ: Phương pháp giải trình tự do Craig_Venter phát minh là một bước đột phá tuyệt vời nhưng có những mặt trái của nó. Nó không thể tách các chuỗi dài của cùng một cặp cơ sở, vì vậy không phải lúc nào cũng rõ ràng 100% nếu có 8 chữ A hay 9 chữ A. Những điều bạn phải quan tâm sau này ...

Một ví dụ khác là quá trình methyl hóa DNA vì bạn không thể lưu trữ Thông tin này dưới dạng biểu diễn 2 bit.

Về cơ bản, mỗi cặp cơ sở lấy 2 bit (bạn có thể sử dụng 00, 01, 10, 11 cho T, G, C và A). Vì có khoảng 2,9 tỷ cặp bazơ trong bộ gen người, (2 * 2,9 tỷ) bit ~ = 691 megabyte.

Tôi không phải là chuyên gia, tuy nhiên, bộ gen người trang trên Wikipedia tuyên bố như sau:

MB thô:

• Nam (XY): 770MB
• Nữ (XX): 756MB

Tôi không chắc phương sai của chúng đến từ đâu, nhưng tôi chắc rằng bạn có thể tìm ra.

Có, RAM tối thiểu cần thiết cho toàn bộ DNA của con người là khoảng 770 MB. Tuy nhiên, biểu diễn 2 bit là không thực tế. Thật khó để tìm kiếm hoặc thực hiện một số tính toán trên đó. Do đó, một số nhà toán học đã thiết kế cách hiệu quả hơn để lưu trữ các chuỗi cơ sở đó ... và sử dụng chúng trong các thuật toán tìm kiếm và so sánh, chẳng hạn như GARLI (www.bio.utexas.edu/faculty/antisense/garli/garli.html). Ứng dụng này hiện đang chạy trên PC của tôi, vì vậy tôi có thể nói với Bạn rằng ... thực tế nó có DNA được lưu trữ trong khoảng: 1 563 MB .

Hầu hết các câu trả lời ngoại trừ người dùng slayton, rauchen, Paul Amstrong đều sai nếu nói về lưu trữ thuần túy một đối một mà không có kỹ thuật nén.

Bộ gen người có 3Gb nucleotide tương ứng với 3Gb byte chứ không phải ~ 750MB. Bộ gen "đơn bội" được xây dựng theo NCBI hiện có kích thước 3436687kb hoặc 3,436687 Gb. Kiểm tra tại đây cho chính mình.

Đơn bội = bản sao đơn của nhiễm sắc thể. Diploid = hai phiên bản của đơn bội. Con người có 22 nhiễm sắc thể duy nhất x 2 = 44. Nhiễm sắc thể thứ 23 của nam là X, Y và tổng cộng là 46. Con cái thứ 23 chrom. là X, X và do đó tạo ra 46 tổng số.

Đối với nam giới, nó sẽ là 23 + 1 nhiễm sắc thể trong lưu trữ dữ liệu trên ổ cứng và 23 nhiễm sắc thể cho nữ, giải thích sự khác biệt nhỏ được đề cập bây giờ và sau đó trong câu trả lời. Crom X. từ con đực bằng X crom. từ những con cái.

Do đó, việc tải bộ gen (23 + 1) vào bộ nhớ được thực hiện theo từng phần thông qua BLAST bằng cách sử dụng cơ sở dữ liệu được xây dựng từ tệp fasta. Bất kể phiên bản nén hay không nucleotide đều khó bị nén. Quay lại những ngày đầu, một trong những thủ thuật được sử dụng là thay thế các lần lặp lại song song (GACGACGAC với mã hóa ngắn hơn, ví dụ: "3GAC"; 9byte đến 4byte). Lý do là để tiết kiệm dung lượng ổ cứng (diện tích của đĩa cứng HDDD 500bm-2GB với 7.200 vòng / phút và đầu nối SCSI). Đối với tìm kiếm theo trình tự, điều này cũng được thực hiện với truy vấn.

Nếu "nucleotide được mã hóa" bộ nhớ sẽ là 2 bit cho mỗi chữ cái thì bạn nhận được một byte:

A = 00
C = 01
G = 10
T = 11

Chỉ bằng cách này, bạn hoàn toàn kiếm được lợi nhuận từ các vị trí 1,2,3,4,5,6,7 và 8 cho 1 byte mã hóa. Ví dụ kết hợp 00.01.10.11 (dưới dạng byte00011011 ) sau đó sẽ tương ứng với "ACTG" (và hiển thị trong tệp văn bản dưới dạng ký tự không thể nhận dạng). Chỉ điều này là nguyên nhân dẫn đến việc giảm kích thước tệp xuống bốn lần như chúng ta thấy trong các câu trả lời khác. Do đó, 3,4Gb sẽ được giảm kích thước xuống 0,85917175 Gb ... ~ 860MB bao gồm một chương trình chuyển đổi bắt buộc sau đó (23kb-4mb).

Nhưng ... trong sinh học, bạn muốn có thể đọc một cái gì đó, do đó nén gzipped là quá đủ. Đã giải nén bạn vẫn có thể đọc được. Nếu việc điền byte này được sử dụng, việc đọc dữ liệu sẽ trở nên khó khăn hơn. Đó là lý do tại sao tệp fasta là tệp văn bản thuần túy trong thực tế.

Bộ gen người chứa 2,9 tỷ cặp bazơ. Vì vậy, nếu bạn biểu diễn mỗi cặp cơ sở dưới dạng byte thì nó sẽ mất 2,9 tỷ byte hoặc 2,9 GB. Bạn có thể nghĩ ra một cách sáng tạo hơn để lưu trữ các cặp cơ sở vì mỗi cặp cơ sở chỉ yêu cầu 2 bit. Vì vậy, bạn có thể lưu trữ 4 cặp cơ sở mỗi byte làm giảm tổng số ít hơn một GB.

Có 4 gốc nucleotide tạo nên DNA của chúng ta, đó là A, C, G, T do đó mỗi base trong DNA chiếm 2bit. Có khoảng 2,9 tỷ cơ sở tương đương với khoảng 700 megabyte. Điều kỳ lạ là nó sẽ điền vào một cd dữ liệu bình thường! trùng hợp?!?

vừa làm nó quá. trình tự thô là ~ 700 MB. nếu một người sử dụng một trình tự lưu trữ cố định hoặc một thuật ngữ lưu trữ trình tự cố định - và thực tế là các thay đổi là 1% tôi tính ~ 120 MB với bộ lưu trữ perchromosome-sequoffset-đã nêu trong bộ nhớ. đó là nó để lưu trữ.

Tất cả các câu trả lời đều bỏ qua thực tế rằng nuDNA không phải là DNA duy nhất xác định bộ gen người. mtDNA cũng được kế thừa và nó đóng góp thêm 16.500 cặp bazơ vào bộ gen người, khiến nó phù hợp hơn với dự đoán của Wikipedia là 770MB đối với nam và 756MB đối với nữ.

Điều này không có nghĩa là bộ gen người có thể dễ dàng được lưu trữ trên một thanh USB 4GB. Bản thân bit không đại diện cho thông tin, nó là sự kết hợp của các bit đại diện cho thông tin. Vì vậy, trong trường hợp của nuDNA và mtDNA, các bit được mã hóa (không nên nhầm lẫn với nén) để đại diện cho các protein và enzym mà bản thân nó sẽ yêu cầu nhiều MB dữ liệu thô để biểu diễn, đặc biệt là về mặt chức năng.

Thức ăn cho suy nghĩ: 80% bộ gen của con người được gọi là DNA "không mã hóa", vậy bạn có thực sự tin rằng toàn bộ cơ thể và bộ não của con người có thể được biểu diễn trong chỉ 151 đến 154MB dữ liệu thô?

Chỉ có 2 loại cặp bazơ, Cytosine chỉ có thể liên kết với Guanine, và Adenine chỉ có thể liên kết với thymine, Vì vậy, mỗi cặp bazơ có thể được coi là một bit duy nhất. Điều này có nghĩa là toàn bộ chuỗi DNA của con người ~ 3 tỷ "Bit" sẽ có kích thước khoảng ~ 350 megabyte.

Một cơ số - T, C, A, G (trong hệ thống số cơ số 4: 0, 1, 2, 3) - được mã hóa thành hai bit (không phải một), vì vậy một cặp cơ sở được mã hóa bởi bốn bit .