Die Sequenzierung ist wichtig – doch die Interpretation ist weitaus wichtiger (und erheblich schwieriger). Ein häufig übersehener Aspekt bei der Interpretation ist, dass das Referenzgenom, mit dem Ihre Daten verglichen werden, möglicherweise gar nicht wirklich zu Ihnen passt. Und diese Diskrepanz? Sie verfälscht seit Jahrzehnten unbemerkt Ergebnisse in der Genomik, Epigenomik, Transkriptomik und CRISPR-basierten Geneditierung.
Eine neue, in Nature Communications veröffentlichte Studie, die von Dante Labs und dem Giunta Lab der Sapienza-Universität Rom mitverfasst wurde, hat nun die Lösung aufgezeigt — mit einer drastischen Steigerung der Präzision.
Die Studie: „Eine auf die Zelllinie abgestimmte Referenz ermöglicht hochpräzise funktionelle Genomik“ (Corda, Volpe, Dallali et al., Nature Communications, 2025) Das wichtigste Ergebnis: Wenn Sie Ihre Sequenzierungs-Reads mit einem Referenzgenom abgleichen, das spezifisch auf Ihre Zelllinie zugeschnitten ist, verbessert dies die Mapping-Qualität erheblich, eliminiert falsche Genexpressionssignale, identifiziert die genaue Kinetochor-Position auf jedem menschlichen Chromosom — und macht das Design von CRISPR-Guide-RNAs um Größenordnungen zuverlässiger.
Das ist die Grundlage für eine wirklich personalisierte Genomik. Und sie ist jetzt Realität.
Das Problem: Eine Referenz für alle – mit schlechten Ergebnissen
Das menschliche Standardreferenzgenom – hg38 oder das neuere CHM13 – ist eine beeindruckende wissenschaftliche Errungenschaft. Im Wesentlichen handelt es sich jedoch um einen zusammengesetzten Durchschnitt, der auf der DNA bestimmter Spender basiert. Wenn Sie Sequenzierungsreads aus Ihren Zellen (oder einer bestimmten Zelllinie) dieser allgemeinen Referenz zuordnen, zwingen Sie ein Präzisionsinstrument dazu, mit einer nur annähernden Vorlage zu arbeiten.
Der größte Teil des Genoms lässt sich problemlos zuordnen. Doch die biologisch wichtigsten Regionen – insbesondere die Zentromere, also die Strukturen der Chromosomen, die steuern, wie Ihre DNA bei jeder Zellteilung aufgeteilt wird – entwickeln sich so schnell und unterscheiden sich von Mensch zu Mensch so stark, dass eine unpassende Referenz zu tatsächlichen, messbaren Fehlern führt:
- Reads können nicht zugeordnet werden an abweichenden Loci, wodurch Lücken in der Abdeckung entstehen
- Falsche Signale für differenzielle Genexpression treten in RNA-seq-Daten auf – Gene erscheinen aktiv oder stillgelegt, obwohl sie es nicht sind
- CRISPR-Leit-RNAs auf Grundlage der falschen Referenz verfehlen ihr Ziel, treffen den falschen Haplotyp oder zeigen in vivo
- Epigenetische Markierungen an Zentromeren lassen sich nicht mehr auflösen, sodass der tatsächliche Ort der Kinetochor-Assemblierung verborgen bleibt
In der Fachwelt ist der „Referenzbias“ seit Jahren bekannt. Diese Studie quantifiziert ihn präzise – und liefert die Lösung.
Die Lösung: isogenomisches Mapping
Das Forschungsteam führte ein neues Paradigma ein, das als „isogenomisches Mapping“ bezeichnet wird. Dabei werden Sequenzierungs-Reads an einem Referenzgenom ausgerichtet, das speziell auf dieselbe Zelllinie abgestimmt ist, aus der die Reads stammen.
Um diesen Ansatz zu belegen, verwendeten sie RPE1v1.1: ein neu assembliertes, nahezu vollständiges und vollständig phasiertes diploides Referenzgenom für RPE-1, eine der in der Forschung am häufigsten verwendeten menschlichen Zelllinien. Dies ist das erste Genom in Telomer-zu-Telomer-Qualität (T2T), das für eine experimentell gut handhabbare menschliche Zelllinie erstellt wurde.
Anschließend werteten sie die Ergebnisse aus – für DNA-seq, RNA-seq, das Design von CRISPR-Leit-RNAs und epigenetische Profile – und verglichen dabei passende mit nicht passenden Referenzgenomen.
Die Ergebnisse sind eindeutig.
Was sich änderte, als die Karte stimmte
🎯 DNA-Mapping: Deutlich klareres Signal
In hochgradig divergenten Regionen (HDRs) – den Teilen des Genoms, in denen sich individuelle Genome am stärksten unterscheiden – stiegen die Werte für die Mapping-Qualität deutlich an und die Editierabstände nahmen ab, wenn die Reads an der passenden Referenz ausgerichtet wurden. Die Abdeckung wurde gleichmäßig. Das Rauschen brach ein. Daten, die zuvor unzuverlässig erschienen, konnten nun interpretiert werden.
Das ist für alle relevant, die eine Gesamtgenomsequenzierung durchführen und dabei echte Varianten statt durch das Referenzgenom bedingter Artefakte finden möchten.
🧬 RNA-seq: 26 Phantomgene eliminiert
Dieselben RNA-seq-Reads, die an drei verschiedenen Referenzgenomen ausgerichtet wurden, ergaben 26 Gene, die allein aufgrund der Wahl des Referenzgenoms unterschiedlich exprimiert erschienen – nicht aufgrund biologischer Unterschiede. Tatsächlich gab es keinerlei biologische Veränderung. Lediglich Referenzrauschen wurde fälschlicherweise als Signal interpretiert.
Für Biohacker, die Veränderungen der Genexpression bei verschiedenen Interventionen verfolgen – etwa Ernährung, Nahrungsergänzungsmitteln, Fasten sowie Hitze- oder Kälteeinwirkung –, ist dies ein Weckruf. Wenn Ihre RNA-seq-Daten der falschen Referenz zugeordnet werden, könnte manches, was wie eine Reaktion aussieht, ein Artefakt sein.
Isogenomisches Mapping beseitigt diese Fehlerklasse vollständig.
✂️ CRISPR: Das Referenzgenom, auf dessen Grundlage Sie Ihr Edit entwerfen, entscheidet darüber, ob es funktioniert
An dieser Stelle wird es für alle, die im Bereich der Genomeditierung tätig sind, besonders relevant – und die Zahlen werden alarmierend.
Das Team testete 76 chromosomenspezifische CRISPR-Guide-RNAs, die auf Grundlage des CHM13-Referenzgenoms entwickelt worden waren, am tatsächlichen Genom der RPE-1-Zelllinie. Die Ergebnisse:
- 4 % der Guide-RNAs hatten keine einzige Bindungsstelle in RPE-1 – sie sind in dieser Zelllinie völlig funktionslos, obwohl sie anhand eines anderen Referenzgenoms vollständig validiert wurden. Sie würden Ihr Experiment durchführen, doch nichts würde passieren.
- Einige Guide-RNAs wiesen Chromosomenspezifitätswerte von über 0,89 bei CHM13 auf – aber von unter 0,10 bei RPE-1. Das entspricht einem 9- bis 10-fachen Einbruch der Spezifität: Eine Guide-RNA, die so konzipiert wurde, dass sie ein bestimmtes Chromosom schneidet, wird im tatsächlichen Versuchsmodell nahezu unspezifisch. In der Praxis bedeutet dies unbeabsichtigte Off-Target-Schnitte auf mehreren Chromosomen.
- Mehrere Guides für Chromosom 21 wiesen auf einem Haplotyp mehr als viermal so viele Bindungsstellen auf wie auf dem anderen — das bedeutet, dass selbst innerhalb derselben Zelle eine Kopie eines Chromosoms wesentlich stärker editiert wird als die andere.
Zentromere gehören zu den Regionen, die sich zwischen zwei beliebigen Genomen am stärksten unterscheiden. CRISPR-Guides anhand einer nicht übereinstimmenden Referenz zu entwickeln, ist, als würde man einen Operationsroboter mit den Bilddaten eines anderen Patienten programmieren. Technisch zulässig. In der Praxis gefährlich.
Isogenomisches Mapping schließt diese Lücke. Eine 9- bis 10-fache Verbesserung der Chromosomenspezifität ist kein schrittweiser Fortschritt – sie macht den Unterschied zwischen einer präzisen und einer verstreuten Editierung aus.
🗺️ Epigenomik: Das Kinetochor – endlich entschlüsselt
Das bemerkenswerteste Ergebnis: Als das Team CENP-A (die Histonvariante, die den funktionellen Kern des Zentromers markiert) mithilfe isogenomischer Reads kartierte, konnte es erstmals die genaue Position des Kinetochors auf jedem Chromosom und in beiden Haplotypen bestimmen.
Bei allen anderen getesteten Referenzgenomen — hg38, CHM13, HG002, T2T-YAO — ließ sich an den Zentromeren kein eindeutiges CENP-A-Signal mit hoher Konfidenz nachweisen. Nur die passende Referenz machte das Signal sichtbar.
Dies ist von enormer Bedeutung für das Verständnis von Fehlern bei der Chromosomentrennung, die Aneuploidie, Krebs und Entwicklungsstörungen zugrunde liegen. Erstmals verfügen wir über eine haplotypaufgelöste Karte, die zeigt, wo sich das Kinetochor tatsächlich bildet — in einer realen, experimentell nutzbaren Zelllinie.
Das Fazit für Biohacker: Personalisierte Genomik erfordert ein personalisiertes Referenzgenom
Die Ära der Präzisionsgenomik hat von jeher Medizin und Biologie versprochen, die auf den einzelnen Menschen zugeschnitten sind. Doch wenn bereits der grundlegende Schritt – das Auslesen Ihres Genoms – anhand einer ungenauen Vorlage erfolgt, überträgt sich dieser Fehler auf alle daraus gewonnenen Erkenntnisse.
Das isogenomische Framework ist das fehlende Puzzleteil. In der Praxis bedeutet das:
| Was Sie tun | Was sich durch isogenomisches Mapping ändert |
|---|---|
| Ganzgenomsequenzierung | Präzisere Variantenbestimmung, insbesondere an Zentromeren und in anderen stark abweichenden Regionen |
| RNA-seq / Transkriptomik | Durch Referenzartefakte bedingte falsch-positive Ergebnisse bei der Genexpression eliminiert |
| CRISPR-Leitfaden-Design | Leitfäden, die anhand Ihrer tatsächlichen Genomsequenz validiert wurden – nicht anhand eines Ersatzwerts |
| Epigenetische Profilierung | Erfasst Chromatinzustände an komplexen, repetitiven Genorten, die zuvor nicht sichtbar waren |
| Präzisionsmedizinische Forschung | Eine Grundlage für haplotypspezifische Interventionen |
Das Forschungsteam fordert systematische Anstrengungen, um für jede wichtige experimentelle Zelllinie diploide T2T-Genome zu erstellen. Je größer diese Bibliothek wird — mit iPSCs, ESCs und primären Zelllinien —, desto besser lassen sich wirklich personalisierte funktionelle Genomanalysen durchführen.
Dante Labs gestaltet diese Zukunft
Bei Dante Labs ist unser Beitrag zu dieser Forschung ein unmittelbarer Ausdruck unserer Kernmission: hochauflösende genomische Erkenntnisse zugänglich zu machen. Wir waren an der Erzeugung und Validierung der Sequenzierungsdaten beteiligt, die die RPE1v1.1-Assemblierung und diese Entdeckungen ermöglicht haben.
Da immer mehr zelllinienspezifische Referenzgenome verfügbar werden, sind wir bestens aufgestellt, um Forschende, medizinisches Fachpersonal und Biohacker gleichermaßen dabei zu unterstützen, diese zu nutzen — denn aus einem präzise ausgelesenen Genom lassen sich konkrete Maßnahmen ableiten.
Lesen Sie die Studie
„Eine auf die Zelllinie abgestimmte Referenz ermöglicht hochpräzise funktionelle Genomik“ Corda, Volpe, Dallali, Di Tommaso, Colantoni, Guarracino, Chittoor, Capulli, Tassone, Giunta et al. Nature Communications, Bd. 16, Artikel 11194 — veröffentlicht am 20. November 2025
→ Vollständigen Artikel auf Nature.com lesen
Dante Labs ist ein weltweit führendes Unternehmen für Gesamtgenomsequenzierung und Multi-Omics-Analysen. Sequenzieren Sie Ihr Genom →