Contig

När man sekvenserar arvsmassan läser maskinerna sällan av hela kromosomer i ett svep. I stället produceras enorma mängder korta DNA-bitar, så kallade reads, som ofta bara är några hundra baspar långa. Dessa fragment måste sedan sättas ihop till längre, meningsfulla sekvenser. Resultatet av denna sammanfogning kallas contig.

Grundprincipen bygger på att fragmenten överlappar varandra. Om slutet på en read har exakt samma bokstavsföljd som början på en annan, kan datorprogram dra slutsatsen att de hör ihop och länka dem. Genom att kedja samman många sådana överlapp byggs en sammanhängande sekvens utan luckor. Ju fler gånger varje del av arvsmassan har lästs av, desto mer pålitlig blir den färdiga contigen.

Ett konkret exempel

Tänk dig att du river sönder hundra likadana tidningssidor i små bitar och blandar dem. Du kan ändå återskapa texten genom att leta efter bitar där orden överlappar: en lapp som slutar med "det var en" passar ihop med en annan som börjar med "var en kall morgon". På samma sätt jämför sekvenseringsprogrammen miljontals DNA-fragment och fogar samman dem där bokstäverna A, C, G och T överlappar. En färdig contig kan på så vis sträcka sig över tusentals eller miljontals baspar.

Contig, scaffold och genom

Flera contigar utgör sällan hela bilden direkt. Mellan dem finns ofta luckor, till exempel i svåravlästa, repetitiva områden. Genom att ordna contigarna i rätt följd och uppskatta avstånden mellan dem skapas en scaffold, ett slags ställning för genomet. När luckorna sedan fyllts och kromosomerna satts samman talar man om ett färdigt referensgenom.

För släktforskaren är contigen sällan något man möter direkt, men begreppet ligger till grund för hela den moderna DNA-tekniken. De referensgenom som dina test jämförs mot är byggda av contigar. Kvaliteten på dessa byggstenar påverkar hur exakt man kan kartlägga genetiska varianter, härkomst och släktskap. Med dagens långläsningsteknik blir contigarna allt längre, vilket ger mer kompletta och tillförlitliga genom.