1000 Genomes Project
Catálogo público de variación genética humana de más de 2,500 individuos de 26 poblaciones.
ÁreaGenómica y Bioinformática
DominioGenómica
DificultadAvanzado
Tamaño2,504 genomas · ~200 TB de datos de secuenciación
¿Qué puedes lograr con este dataset?
- Trabajar con archivos de formato VCF (Variant Call Format) estándar en genómica
- Explorar la variación genética entre poblaciones humanas
- Practicar pipelines de bioinformática con herramientas especializadas
Descripción
El Proyecto 1000 Genomas fue el primer esfuerzo a gran escala en secuenciar genomas completos de individuos de múltiples poblaciones humanas para catalogar la variación genética común. Sus datos, completamente públicos, siguen siendo una referencia estándar en genética de poblaciones.
Casos de uso
- Estudios de variación genética y ancestría poblacional
- Referencia para imputación genotípica en estudios de asociación
- Práctica de análisis bioinformático con VCF y herramientas como PLINK
- Investigación en medicina de precisión y farmacogenómica
Cómo cargarlo
# Descargar un cromosoma vía FTP público
wget http://ftp.1000genomes.ebi.ac.uk/vol1/ftp/release/20130502/ALL.chr22.vcf.gz
bcftools view ALL.chr22.vcf.gz | head -50Ventajas y limitaciones
Ventajas
- Completamente público y gratuito, sin proceso de solicitud
- Estándar de referencia ampliamente citado y documentado
- Cubre diversidad de poblaciones de distintos continentes
Limitaciones
- Requiere conocimientos especializados de bioinformática y formatos genómicos
- Los archivos son voluminosos y requieren herramientas específicas (no se abren con pandas directamente)