DNA-Rohdaten verstehen: So lesen Sie rsIDs, Allele und Genotypen aus Ihrem Gentest richtig
Wer schon einmal einen genetischen Test zur Ahnenforschung gemacht hat, kennt diesen Button im Kundenkonto: „Rohdaten herunterladen“. Heraus kommt eine unscheinbare Textdatei mit hunderttausenden Zeilen wie rs1801133 1 11856378 AG. Doch was bedeuten diese Zahlen genau – und warum passieren beim eigenständigen Nachschlagen im Internet erstaunlich oft Verwechslungen?
Anatomie einer DNA-Rohdaten-Zeile
Im Gegensatz zu einer vollständigen Erbgut-Sequenzierung lesen kommerzielle Chips (SNP-Microarrays) nicht alle drei Milliarden Basenpaare, sondern prüfen rund 600.000 bis 700.000 gezielt ausgewählte Einzelpositionen – sogenannte SNPs (Single Nucleotide Polymorphisms). Mehr zur Funktionsweise lesen Sie in unserer Einführung in die DNA-Analyse.
Jede einzelne Zeile Ihrer Rohdaten besteht aus vier einfachen Spalten:
| Spalte | Beispiel | Bedeutung |
|---|---|---|
| rsID | rs1801133 |
Weltweit eindeutige Referenznummer der NCBI-Datenbank dbSNP für diese exakte Gen-Position |
| Chromosom | 1 |
Nummer des Chromosoms (1–22 sowie X, Y oder MT für mitochondriale DNA) |
| Position | 11856378 |
Basenpaar-Koordinate auf dem jeweiligen Referenz-Genom (meist Build GRCh37/hg19 oder GRCh38) |
| Genotyp | AG oder CT |
Die beiden gemessenen DNA-Basen (Adenin A, Thymin T, Cytosin C, Guanin G) – eine von der Mutter, eine vom Vater |
Die drei größten Stolperfallen beim Rohdaten-Lesen
Falle 1: Plus-Strang vs. Minus-Strang (Warum A manchmal T heißt)
Unsere DNA ist eine Doppelhelix aus zwei komplementären Strängen: Wo auf dem einen Strang ein A sitzt, liegt gegenüber automatisch ein T; einem C steht immer ein G gegenüber. Je nachdem, in welche Richtung ein Gen abgelesen wird, dokumentieren wissenschaftliche Studien denselben SNP manchmal auf dem sogenannten Plus-Strang (Forward) und manchmal auf dem Gen-Strang (Reverse).
Genau das sorgt beim berühmten MTHFR-SNP rs1801133 regelmäßig für Verwirrung: In der Literatur heißt die Variante fast immer C677T (Allel C oder T). In vielen Rohdaten-Dateien steht dort aber A und G! Der Grund ist völlig harmlos: Das komplementäre Gegenüber von C ist G, und das Gegenüber von T ist A – Ihre Daten werden auf dem Vorwärtsstrang ausgegeben, während das Gen auf dem Gegenstrang liegt.
Falle 2: Fehlende Qualität und „Falsch-Positive“ bei seltenen Krankheiten
Moderne Genotyping-Chips arbeiten für häufige SNPs mit über 99-prozentiger Präzision. Bei extrem seltenen krankheitsauslösenden Mutationen (wie einzelnen BRCA1– oder MLH1-Fehlern) kommt es auf Rohdaten-Chips jedoch nachweislich deutlich häufiger zu technischen Fehl-Ablesungen („False Positives“), weil das System dort statistisch schlechter kalibriert ist. Eine medizinische Konsequenz darf deshalb niemals auf Basis unbestätigter Chip-Rohdaten gezogen werden (siehe Vor- und Nachteile von Heimtests).
🔍 Checkliste: Woran erkenne ich seriöse Gen-Analysen?
Achten Sie immer darauf, ob zu einer rsID der exakte Genom-Build (GRCh37 vs. GRCh38), die Strang-Orientierung, die Populationshäufigkeit und vor allem der Unterschied zwischen einer statistischen Assoziation (z. B. Typ-2-Diabetes-Risiko bei TCF7L2) und einer klaren klinischen Diagnose angegeben werden.
Falle 3: Ein einzelner SNP erklärt selten das Ganze
Bei der Laktosetoleranz (LCT) oder der Augenfarbe (OCA2) gibt tatsächlich ein einziger Hauptschalter den Ton an. Komplexe Eigenschaften wie Herzgesundheit, Stressresilienz (COMT) oder Körpergewicht hängen jedoch von Dutzenden bis Tausenden Genorten gleichzeitig – und zu mindestens ebenso großen Teilen von Schlaf, Bewegung, Umwelt und Ernährung – ab.
So lesen Sie rsIDs künftig souverän
- Erst auf das Gen und die Referenz achten: Prüfen Sie bei Portalen wie dbSNP oder ClinVar, welches Allel auf dem Plus-Strang als Referenz dient.
- Zwischen Wellness-Marker und klinischer Bedeutung trennen: Ein Sport- oder Koffein-Marker (ACTN3, CYP1A2) ist informativ und alltagsnah, ersetzt aber keine Vorsorgeuntersuchung.
- Unklare klinische Treffer immer beim Arzt überprüfen: Medizinisch relevante Zufallsfunde müssen im zertifizierten Labor per Sanger- oder klinischem NGS-Verfahren verifiziert werden.
Genom-Referenzbuilds (GRCh37 vs. GRCh38) & Grenzen bei Kopienzahl-Varianten
Eine vierte, im Alltag häufig übersehene Stolperfalle betrifft die hinterlegte Referenzgenom-Version in Ihrer Textdatei: Während ältere Verbraucher-Chips (23andMe v3–v5, AncestryDNA, MyHeritage) Positionsnummern meist noch nach dem menschlichen Referenzgenom GRCh37 (hg19) angeben, arbeiten moderne klinische Labore und aktuelle Datenbanken wie gnomAD v4 überwiegend mit GRCh38 (hg38). Dieselbe rsID – etwa rs1801133 in MTHFR oder rs429358 in APOE – hat dann exakt dieselbe Basen-Bedeutung, liegt aber an einer leicht verschobenen Chromosomen-Position!
Ebenso wichtig: Einfache SNP-Zeilen erfassen zwar einzelne Punktmutationen in F5, F2, SLCO1B1 oder LCT, versagen jedoch systematisch bei sogenannten strukturellen Varianten (CNVs, Duplikationen, große Exon-Deletionen oder Repeat-Längen) wie beim Amylase-Gen AMY1, den Stern-Allelen von CYP2D6 oder großen Deletionen in BRCA1 und MLH1. Lesen Sie dazu auch Heimtests: Vor- & Nachteile und Klinische Labordiagnostik vs. Rohdaten.
Häufige Fragen
Was bedeutet es, wenn in meinen Rohdaten bei einer rsID ‚–‚ oder ’00‘ steht?
Das ist ein sogenannter No-Call: An genau dieser einen Position konnte der Chip das Fluoreszenzsignal nicht eindeutig ablesen. Bei mehreren Hunderttausend Markern pro Chip sind einige Tausend No-Calls technisch völlig normal.
Kann man aus zwei Buchstaben wie ‚CG‘ ablesen, ob ich eine CG- oder AT-Verwechslung habe?
Bei einem C/G- oder A/T-SNP liegen die komplementären Basen exakt spiegelbildlich vor – man spricht von palindromischen SNPs. Hier muss zwingend die Strang-Angabe (Plus vs. Minus) des jeweiligen Anbieters bekannt sein.
Sind Rohdaten bei verschiedenen Anbietern wie 23andMe, Ancestry oder MyHeritage gleich aufgebaut?
Alle drei liefern einfache Text- oder CSV-Tabellen mit rsID, Chromosom, Position und Genotyp aus. Die Auswahl der abgedeckten rsIDs und teils auch die verwendete Chip-Version unterscheiden sich allerdings leicht.
