Какой объем памяти потребуется для хранения генома человека?

Если вы доверяете таким вещам, вот что утверждает Википедия (из http://en.wikipedia.org/wiki/Human_genome#Information_content). ):

Вы не храните всю ДНК в одном потоке, большую часть времени она хранится в хромосомах.

Большая хромосома занимает около 300 МБ, а маленькая около 50 МБ.

Редактировать:

Я думаю, что первая причина, по которой он не сохраняется в 2 бита на пару оснований, заключается в том, что это затруднит работу с данными. Большинство людей не знали бы, как его преобразовать. И даже когда дали бы программу для конвертации, многие люди в крупных компаниях или НИИ не имеют права/необходимости спрашивать или не умеют устанавливать программы...

1 ГБ хранилища ничего не стоит, даже загрузка 3 ГБ занимает всего 4 минуты со скоростью 100 Мбит/с, и у большинства компаний скорость выше.

Еще один момент заключается в том, что данные не так просты, как вам говорят.

например Метод секвенирования, изобретенный Craig_Venter, был большим прорывом, но у него есть свои недостатки. Он не мог разделить длинные цепи одной и той же пары оснований, поэтому не всегда на 100% ясно, есть ли 8 А или 9 А. Вещи, о которых вы должны позаботиться позже...

Другим примером является метилирование ДНК, потому что вы не можете хранить эту информацию в 2-битном представлении. .

По сути, каждая пара оснований занимает 2 бита (вы можете использовать 00, 01, 10, 11 для T, G, C и A). Поскольку в геноме человека около 2,9 миллиарда пар оснований, (2 * 2,9 миллиарда) бит ~= 691 мегабайт.

Я не эксперт, однако на странице Геном человека в Википедии говорится следующее:

Сырой МБ:

• Мужчина (XY): 770 МБ
• Женский (ХХ): 756 МБ

Я не уверен, откуда взялась их дисперсия, но я уверен, что вы можете понять это.

Да, минимальный объем оперативной памяти, необходимый для целой ДНК человека, составляет около 770 МБ. Однако 2-битное представление нецелесообразно. Трудно искать или делать какие-то вычисления на нем. Поэтому некоторые математики разработали более эффективный способ хранения этих последовательностей оснований... и используют их в алгоритмах поиска и сравнения, таких как, например, GARLI (www.bio.utexas.edu/faculty/antisense/garli/garli.html). Это приложение работает на моем компьютере прямо сейчас, так что я могу сказать вам... что ДНК практически хранится примерно в: 1 563 МБ.

только что тоже сделал. исходная последовательность составляет ~ 700 МБ. если кто-то использует фиксированную последовательность хранения или алгоритм хранения фиксированной последовательности - и тот факт, что изменения составляют 1%, я вычисляю ~ 120 МБ с хранилищем дельта-смещения-последовательности-последовательности. это все для хранения.

Геном человека содержит 2,9 миллиарда пар оснований. Итак, если вы представите каждую пару оснований в виде байта, это займет 2,9 миллиарда байтов или 2,9 ГБ. Вероятно, вы могли бы придумать более творческий способ хранения пар оснований, поскольку для каждой пары оснований требуется всего 2 бита. Таким образом, вы, вероятно, могли бы хранить 4 пары оснований на байт, в результате чего общая сумма составила бы менее ГБ.

Наша ДНК состоит из 4 нуклеотидных оснований: A, C, G, T, поэтому каждое основание в ДНК занимает 2 бита. Существует около 2,9 миллиардов баз, так что это около 700 мегабайт. Странно то, что это заполнило бы обычный компакт-диск с данными! стечение обстоятельств?!?

Большинство ответов, кроме пользователей slayton, rauchen, Paul Amstrong, совершенно неверны, если речь идет о чистом хранилище один на один без методов сжатия.

Геном человека с 3Gb нуклеотидов соответствует 3Gb байтам, а не ~750MB. Сконструированный «гаплоидный» геном по данным NCBI в настоящее время имеет размер 3436687kb или 3,436687 Gb. Проверьте сами здесь.

Гаплоид = единственная копия хромосомы. Диплоид = две версии гаплоида. У людей 22 уникальные хромосомы x 2 = 44. Мужская 23-я хромосома - это X, Y, всего 46. Суки 23 хром. равно X, X и, таким образом, всего 46.

Для мужчин это будет 23 + 1 хромосома в хранилище данных на жестком диске, а для женщин 23 хромосомы, что объясняет небольшие различия, которые время от времени упоминаются в ответах. X хром. у самцов равен Х кром. от самок.

Таким образом, загрузка генома (23+1) в память осуществляется по частям через BLAST с использованием сконструированных баз данных из fasta-файлов. Независимо от заархивированных версий или нет, нуклеотиды практически не сжимаются. Раньше одним из используемых приемов была замена тандемных повторов (GACGACGAC более коротким кодированием, например, «3GAC»; 9 байтов на 4 байта). Причина заключалась в экономии места на жестком диске (площадь пластин жесткого диска 500bm-2GB со скоростью вращения 7200 об/мин и разъемами SCSI). Для поиска последовательности это также было сделано с запросом.

Если хранение "кодированных нуклеотидов" будет 2-битным на букву, то вы получите для байта:

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

Только так вы полностью зарабатываете на позициях 1,2,3,4,5,6,7 и 8 на 1 байт кодирования. Например, комбинация 00.01.10.11 (как байт 00011011) будет соответствовать «ACTG» (и отображаться в текстовом файле как неузнаваемый символ). Одно только это отвечает за четырехкратное уменьшение размера файла, как мы видим в других ответах. Таким образом, 3,4 Гб будут уменьшены до 0,85917175 Гб... ~860 Мб, включая необходимую программу преобразования (23 КБ-4 Мб).

Но ... в биологии вы хотите иметь возможность что-то читать, поэтому сжатия gzip более чем достаточно. В разархивированном виде вы все еще можете прочитать его. Если использовалось такое байтовое заполнение, читать данные становится сложнее. Вот почему fasta-файлы на самом деле являются обычными текстовыми файлами.

Во всех ответах не учитывается тот факт, что nuDNA — не единственная ДНК, определяющая геном человека. МтДНК также передается по наследству и вносит дополнительные 16 500 пар оснований в геном человека, что больше соответствует предположению Википедии о 770 МБ для мужчин и 756 МБ для женщин.

Это не означает, что геном человека можно легко сохранить на USB-накопителе объемом 4 ГБ. Биты не представляют информацию сами по себе, это комбинация битов, которые представляют информацию. Таким образом, в случае nuDNA и mtDNA биты кодируются (не путать со сжатыми) для представления белков и ферментов, которые сами по себе требуют многих МБ необработанных данных для представления, особенно с точки зрения функциональности.

Пища для размышлений: 80% человеческого генома называется «некодирующей» ДНК, так вы действительно верили, что все человеческое тело и мозг могут быть представлены всего лишь 151–154 МБ необработанных данных?

Существует только 2 типа пар оснований, цитозин может связываться только с гуанином, а аденин может связываться только с тимином, поэтому каждую пару оснований можно рассматривать как один бит. Это означает, что целая цепочка ДНК человека ~3 миллиарда «битов» будет около ~350 мегабайт.

Одно основание — T, C, A, G (в системе счисления с основанием 4: 0, 1, 2, 3) — кодируется как два бита ( не один), поэтому одна базовая пара кодируется четырьмя битами.