When should I escalate an STR report for expert review?

Escalate when similarity falls in an indeterminate range, multiple loci show more than two alleles, or the profile conflicts with expected provenance from cell bank records.

How do I interpret a 100% STR match percentage?

A 100% match is strongly consistent with the reference profile, but should be verified by ensuring full loci coverage and clean electropherogram plots without artifacts.

What are common indicators of a sample mixture in STR analysis?

Indicators include more than two allele peaks across multiple loci, inconsistent peak height ratios, and a recurring set of unexpected peaks that cannot be explained by stutter.

Über die Grundlagen hinaus: STR-Analyse-Datenbanken (DSMZ, ATCC, JCRB) erklärt

Wenn Ihr Team für Forschungszwecke ausschließlich auf menschliche Zelllinien angewiesen ist (RUO), wissen Sie bereits, wie schnell eine Authentifizierungsfrage zu Verzögerungen bei der Einreichung oder einem schmerzhaften Prüfpfad führen kann. Dieser Leitfaden erklärt, wie Sie die wichtigsten STR-Profiling-Datenbanken – DSMZ (DSMZCellDive), ATCC und JCRB – gemeinsam nutzen können, um eine verteidigbare Identität, Herkunft und Rückverfolgbarkeit zu erhalten, ohne sich in den Details zu verlieren. Wir werden den Fokus praktisch halten: wie man Ergebnisse über Loci-Panels vergleicht, was "≥80% Übereinstimmung" tatsächlich für Entscheidungen bedeutet und wie man Ihre Entscheidungen für Beschaffung, Qualitätssicherung und CRO-Aufnahme dokumentiert.

Die Informationen hierin sind aktuell vom 06. Februar 2026. Funktionen und Zugangsrichtlinien können sich ändern; überprüfen Sie immer die offiziellen Portale.

1. Warum STR-Datenbanken für die Authentifizierung von Zelllinien wichtig sind

In B2B-Umgebungen – Universitätskerne, biotechnologische Entdeckungen und CRO-Eingang – besteht die Aufgabe nicht nur darin, "eine Übereinstimmung zu finden". Sie benötigen eine belastbare Beweiskette, die Identität (was ist es?), Herkunft (woher stammt es?) und Rückverfolgbarkeit (kann eine andere Partei die gleichen Schritte nachverfolgen?) nachweist. Eine STR-Profiling-Datenbank ist Ihr Rückgrat für all dies.

Identität: Ein Referenz-STR-Profil ermöglicht es Ihnen, zu bestätigen, dass Ihre Allelaufrufe an gemeinsamen Loci mit einem kanonischen Eintrag für die beabsichtigte Linie übereinstimmen.
Provenienz: Katalog-IDs, Informationen zum Einreicher und Querverweise (z. B. Cellosaurus-Links) helfen Ihnen, ein Profil mit einer bestimmten Quelle oder einem bestimmten Repository zu verbinden.
Rückverfolgbarkeit: Stabile URLs, Zeitstempel und exportierbare Aufzeichnungen stellen sicher, dass ein anderer Prüfer Ihre Abfrage wiederholen und zu demselben Ergebnis gelangen kann.

1.1 Was "Datenbankabgleich" tatsächlich beantwortet

Mindestens beantwortet eine Suche in einer gut kuratierten STR-Profiling-Datenbank vier Fragen:

Welche bekannten Zelllinien stimmen am besten mit meinem Profil an den gemeinsamen Loci überein?
Wie stark ist die Übereinstimmung (Prozentübereinstimmung oder Ähnlichkeit) und wie viele Loci haben dazu beigetragen?
Gibt es Aliase, Ableitungen oder Varianten für dieselbe Abstammung, die kleine Unterschiede erklären könnten?
Welche Dokumentation kann ich exportieren, um meine Interpretation für eine QA- oder Journal-Checkliste zu unterstützen?

1.2 Typische Käuferbedenken, die Sie im Voraus klären können

Einkaufsbeauftragte, QA-Leiter und PIs stellen oft die gleichen Fragen:

"Wird mein STR-Profil mit ihrer Datenbank übereinstimmen, auch wenn wir ein anderes Kit verwendet haben?"
"Kann das Ergebnis von einem Prüfer oder Reviewer nachvollzogen und reproduziert werden?"
„Wenn wir nur ein partielles Profil haben (z. B. FFPE oder Low-Input), was ist dann 'gut genug', um fortzufahren?“
"Wenn die Linie nicht in einer Datenbank ist, wo sollten wir dann noch suchen, bevor wir eskalieren?"

Der Rest dieses Artikels erstellt ein praktisches Handbuch, um diese Fragen zu beantworten – ohne über das RUO-Spektrum hinauszugehen.

Überschrift: STR-Profiling-Datenbankabgleichs-Workflow (Stand: 2026-02-06). Beginnen Sie mit einem sauberen Profil und enden Sie mit einem prüfungsbereiten Paket.

2. Eine kurze Einführung in ein STR-Profil (nur das, was Sie für Datenbanken benötigen)

Dies ist keine forensische Tiefenanalyse. Es ist das Minimum, das Sie lesen, vergleichen und Profile über Repositories hinweg dokumentieren müssen.

2.1 Loci, Allelaufrufe und warum die Konsistenz der Allelformatierung wichtig ist

Die meisten Authentifizierungspanels für menschliche Zelllinien enthalten eine Reihe von autosomalen STR-Loci zusammen mit Amelogenin zur Geschlechtsbestimmung. Ihre Datenbankabfragen hängen von zwei Faktoren ab: der Überlappung zwischen Ihren gemessenen Loci und den Loci des Repositories sowie der Formatierung Ihrer Allele.

Loci: Erwarten Sie das 8-Kern-Set (D5S818, D13S317, D7S820, D16S539, vWA, TH01, TPOX, CSF1PO) und in modernen Panels ein erweitertes Set von 13–17 Loci, das von den Standards empfohlen wird. Mehr gemeinsame Loci bedeuten im Allgemeinen eine höhere Zuverlässigkeit bei Übereinstimmungen.
Formatierung: Seien Sie konsistent bei der Darstellung von Mikrovarianten (z. B. 9.3), der Abgrenzung mehrerer Allele an einem Locus und der genauen Bezeichnung der Locusnamen, wie sie vom Eingabeformular erwartet werden. Ein fehlendes Label oder eine fehlende Dezimalstelle bei einer Mikrovariante kann dazu führen, dass Ihr bestes Ergebnis aus dem Rennen fällt.

Wenn Ihr Labor neu im Lesen von STR-Ausgaben oder Elektropherogrammen ist, lohnt es sich, mit einer kurzen Einführung zu beginnen, bevor Sie Vergleiche zwischen Datenbanken anstellen. Neu im Lesen von STR-Berichten? Beginnen Sie hier: Wie man Allelaufrufe und Elektropherogramme interpretiert. CD Genomics Leitfaden zur Auswahl eines Partners

2.2 Warum verschiedene Kits/Loci-Panels dennoch verglichen werden können (und wo es kompliziert wird)

Kits von verschiedenen Anbietern konvergieren oft an überlappenden Loci, auch wenn die genauen Panels unterschiedlich sind. Cross-Datenbank-Tools akzeptieren partielle Eingaben und berechnen die Ähnlichkeit nur anhand der gemeinsamen Loci. Kompliziert wird es bei der Handhabung von Mikrovarianten, Off-Ladder-Allel und Locus-Ausfällen (häufig bei degradiertem oder FFPE-Material). An dieser Stelle werden Normalisierungsregeln und klare Hinweise zu fehlenden Loci unerlässlich.

2.3 Häufige Übereinstimmungsausgaben, die Sie sehen werden

Die meisten Schnittstellen geben eine rangierte Liste von Kandidaten mit einem Übereinstimmungsprozentsatz oder einem Verwandtschaftsgrad sowie der Anzahl der verglichenen Loci aus. Sie könnten Folgendes sehen:

Exakte/identische Übereinstimmung: 100 % an gemeinsamen Loci für einen kanonischen Eintrag (weniger häufig bei Legacy-Profilen oder Derivaten).
Hochwahrscheinlichkeits-/verwandte Übereinstimmung: ≥80% Ähnlichkeit bei gemeinsamen Loci; erfordert Herkunftsprüfungen und Überprüfung von Aliasnamen.
Teilweise oder unzureichende Loci: Ein guter richtungsweisender Treffer, aber mit zu wenigen gemeinsamen Loci zur Bestätigung; wiederholen oder ergänzen, wenn die Entscheidung von großer Bedeutung ist.

3. DSMZ vs ATCC vs JCRB: Wofür jede STR-Profiling-Datenbank am besten geeignet ist

Alle drei Ressourcen werden häufig genutzt, aber sie glänzen in unterschiedlichen Szenarien. Anstatt einen einzelnen "Gewinner" zu verfolgen, verwenden Sie diejenige, die zu Ihrer Entscheidungsaufgabe passt.

3.1 DSMZ (DSMZCellDive): Stärken, typische Abdeckung, wie Forscher es nutzen

Offizielle Portale: STR-Browser/Suche sind über DSMZCellDive zugänglich, dokumentiert im Jahr 2022 in dem Papier "DSMZCellDive: Diving into high-throughput cell line data" (PMCID PMC9334839; DOI 10.12688/f1000research.111175.2). Die Web-Tools sind erreichbar unter celldive.dsmz.de (Abschnitte STR-Browsen und STR-Suche).
Wofür es gut ist: Flexible Suche gegen ein großes Referenzset mit rangierten Ähnlichkeitsergebnissen; hilfreich, wenn Sie über alte oder teilweise Profile verfügen, da die Benutzeroberfläche und die zugrunde liegende Logik auf gemeinsamen Loci und mikrovariantenbewusster Übereinstimmung basieren, wie in der zugehörigen Literatur beschrieben.
Typische Verwendung in Publikationen und Laboren: Entdeckungsorientierte Überprüfungen, Kreuzverifizierung neben Cellosaurus und frühe Triage, wenn Sie sich nicht sicher sind, welches Repository den kanonischen Referenzdatensatz hostet.
Hinweise zur Abdeckung und Aktualisierungen: Die öffentlichen Seiten der DSMZ geben nicht immer eine genaue, zeitgestempelte Anzahl von menschlichen Profilen an einem Ort an; behandeln Sie die Zählungen als volatil und machen Sie einen Screenshot sowie eine URL in Ihrem Audit-Paket, wenn Sie suchen.

3.2 ATCC: Stärken, typische Abdeckung, wie es in Publikationen und Beschaffungen referenziert wird

Offizielle Seiten: Beginnen Sie mit den Hilfedokumenten "Datenbank abfragen" und "STR-Profilanalyse" von ATCC, die die Locus-Eingaben und die Zuordnungslogik erklären. Die Schulungsmaterialien und öffentlichen Seiten von ATCC beschreiben Filter für "≥80% Übereinstimmung" und erweiterte Suchbänder und weisen darauf hin, dass die Datenbank STR-Profile für alle menschlichen Linien von ATCC enthält.
Wofür es gut ist: Prüfbereite Verifizierung, wenn die interessierende Linie eine von ATCC vertriebene menschliche Zelllinie ist. Der Workflow und die Sprache orientieren sich eng an dem ANSI/ATCC-Standard, auf den sich viele Beschaffungs- und Zeitschriftenrichtlinien beziehen.
Schwellenwerttransparenz: Öffentliche Richtlinien erkennen 100 % als identisch, 80–99 % als verwandt/wahrscheinlich und einen unteren Bereich (häufig beginnend bei den hohen 50er Jahren) für erweiterte Suchen, die zusätzliche Analysen erfordern. Dies steht im Einklang mit der weit verbreiteten Konvention „≥80 % Bestätigung“ in den Standards und verwandten Richtlinien.
Export und Interoperabilität: Produktseiten enthalten häufig zeilenweise STR-Tabellen; Batch-APIs sind für STR nicht öffentlich dokumentiert, daher planen Sie UI-gesteuerte Abfragen und die Archivierung auf Seitenebene.

3.3 JCRB Zellbank: Stärken, typische Abdeckung, wo sie besonders nützlich ist

Offizielle Seiten: Das englische Portal bietet Suchfunktionen und detaillierte Seiten pro Zeile. Wenn STR-Daten vorhanden sind, finden Sie diese unter "DNA-Profil (STR)", oft zusammen mit Chargen-QC-Daten und Querverweisen.
Worin es gut ist: Herkunftsreiche Einträge für viele Linien mit japanischen Ursprüngen sowie explizite Hinweise zu vielen und Aktualisierungen. Nützlich bei der Auflösung von Aliasnamen und beim Harmonisieren zwischen Institutionen, die JCRB-Identifikatoren zitieren.
Export und Interoperabilität: Keine öffentliche STR-API; planen Sie, die relevanten Seiten pro Zeile, die Sie konsultiert haben (URL + Zeitstempel), in Ihr Prüfpaket zu archivieren.

3.4 Praktische Erkenntnis: Welche Datenbank je nach Anwendungsfall priorisieren

Beschaffung und Journal-Konformität: Beginnen Sie mit ATCC, wenn die erwartete kanonische Referenz eine ATCC-Linie ist; überprüfen Sie die DSMZ-Einträge bei Zweifeln und archivieren Sie beide URLs in Ihrem Protokoll.
Forschung QA mit Legacy-Kits/teilweisen Profilen: Beginnen Sie mit DSMZCellDive (und/oder Cellosaurus CLASTR), um die Rückrufquote zu erhöhen, und überprüfen Sie dann die besten Treffer auf den ATCC-Produktseiten oder den JCRB-Einträgen pro Linie.
CRO-Eingang und Batch-Triage: Verwenden Sie einen CLASTR-Batch-Upload oder eine DSMZ-Suche, um viele Profile schnell zu triagieren; spiegeln Sie hochgradig vertrauenswürdige Kandidaten an ATCC/JCRB zur Dokumentation.
Alias-/Abgeleitete Auflösung: Bevorzuge JCRB pro Zeile Seiten (mit vielen und Synonymen) und Cellosaurus-Kreuzreferenzen; spiegle konsistente Benennungen in deinem Bericht wider.

Überschrift: Hochrangiger, szenariobasierter Vergleich der drei STR-Profiling-Datenbankoptionen (Stand: 2026-02-06). Nutzen Sie es als schnelle Entscheidungsunterstützung, nicht als Ersatz für eine Überprüfung im Portal.

4. Interoperabilität: wie das Abgleichen zwischen Datenbanken in der Praxis funktioniert

4.1 Das reale Problem: dieselbe Linie, mehrere Aliase, unterschiedliche Einreichungen

Es ist üblich, dass dieselbe biologische Linie unter verschiedenen Bezeichnungen zu finden ist – Katalog-IDs, Repository-Codes, Namen der Einreicher oder sogar lot-spezifische Anmerkungen. Ohne die Handhabung von Aliasen besteht das Risiko, einen "Mismatch" zu nennen, wo es nur eine Namensdiskrepanz oder eine Ableitung gibt.

4.2 Wichtige Normalisierungsregeln: Allelnamen, Mikrovarianten, fehlende Loci und Kit-Unterschiede

Normalisieren, bevor Sie suchen und bevor Sie interpretieren:

Locus-Benennung: Stimmen Sie die erwarteten Eingabefeldnamen des Portals ab; befolgen Sie die Großschreibung und Trennzeichen.
Allele-Formatierung: Mikrovarianten (z.B. 9.3) beibehalten und konsistente Trennzeichen für mehrere Allele verwenden.
Fehlende Loci: Bei teilweisen Profilen ist deutlich anzugeben, welche Loci fehlen; ein Kandidat, der alle gemessenen Loci teilt, kann auch dann eine starke Spur sein, wenn einige Loci nicht wiederhergestellt wurden.
Kit-Unterschiede: Zeichnen Sie das Kit und die Version auf. Unterschiede in den Standard-Panels können durch den Vergleich nur der gemeinsamen Loci geklärt werden – machen Sie dies einfach in Ihren Notizen deutlich.

"Selbe Zelllinie, unterschiedliche Bezeichnungen." Karten Sie Aliase über ATCC, DSMZ, JCRB und Cellosaurus, um falsche Übereinstimmungen zu vermeiden.

4.3 Kandidatenbewertung: wie die besten Treffer normalerweise präsentiert werden

Erwarten Sie eine rangierte Liste nach Übereinstimmungsprozent oder einem distanzbasierten Wert. Einige Tools ermöglichen es Ihnen, Algorithmen umzuschalten (z. B. Tanabe vs. Masters) oder nach einem Mindestübereinstimmungsprozentsatz zu filtern. Überinterpretieren Sie keine kleinen Rangunterschiede, wenn nur wenige Loci geteilt werden; überprüfen Sie stattdessen die Herkunftsdetails auf den Repository-Seiten.

4.4 Wie man die Herkunft dokumentiert, damit Audits reibungslos verlaufen

Erstellen Sie eine kleine, wiederholbare Vorlage für jedes Spiel:

Proben- und Laufmetadaten: Proben-ID, Passage oder Charge, Extraktionsdatum, Kit/Panel-Name und Version sowie die vollständige Liste der versuchten Loci.
Alleltabelle und EPGs: Rohallele und Elektropherogramme einfügen, wo verfügbar.
Genau Suchdetails: Verwendete Portale (DSMZCellDive, ATCC, JCRB-Seiten und/oder CLASTR), eingegebene Loci und Datum/Uhrzeit der Suche.
URLs und Screenshots: Stabile URLs der übereinstimmenden Einträge, heruntergeladene PDFs, falls verfügbar, und annotierte Screenshots.
Interpretation und Schwellenwerte: Ein kurzer, standardisierter Absatz zur Erklärung Ihres Anrufs (z. B. "≥80% über 15 gemeinsame Loci; dokumentierte Aliase verknüpfen ATCC- und JCRB-Einträge").

Für Batch-Operationen speichern Sie diese Artefakte in einem strukturierten Ordner oder in Ihrem LIMS/ELN mit konsistenter Benennung.

Für ein Beispiel eines RUO-Lieferpakets (Alleltabellen, EPGs und Datenbankvergleiche) siehe die STR-Assays und auditbereiten Lieferungen von CD Genomics: STR-Test und prüfbereite Ergebnisse.

5. Übereinstimmungs Kriterien und Entscheidungsregeln, die Sie in Audits verteidigen können.

Der ANSI/ATCC-Standard (ASN-0002-2022) und die Richtlinien der Gemeinschaft stimmen in einem einfachen, nachvollziehbaren Satz von Stufen überein, die Sie in SOPs und Beschaffungsliste integrieren können.

5.1 Vorgeschlagene Entscheidungsebenen: Bestätigt, Wahrscheinlich, Unklar, Nichtübereinstimmung

Bestätigt: ≥80% Allelkongruenz über die gemeinsamen Loci, ohne widersprüchliche Herkunft; entspricht der Standardpraxis zur Bestätigung. Archiv-URLs und eine Notiz zu den gemeinsamen Loci.
Wahrscheinlich/Verwandt: 80–89% mit Vorbehalten, die eine Alias- oder Derivatbewertung rechtfertigen (z. B. subklonaler Drift, MSI/LOH). Überprüfen Sie die Notizen im Repository und die Synonyme von Cellosaurus.
Unklar: 60–79 %. Wiederholen Sie die Extraktion, wenn möglich, erweitern Sie die Loci und führen Sie einen Vergleich mit mehreren Portalen durch. Dieses Band spiegelt häufig partielle Profile oder Kit/Locus-Missmatches wider.
Mismatch: <60% oder klarer Konflikt an mehreren hochinformativen Loci. Neu extrahieren und neu profilieren; als potenzielles Fehlbezeichnen oder Kontaminationsszenario behandeln.

Beim Dokumentieren sollten Sie die Stufe mit der Anzahl der gemeinsamen Loci und Ihren Normalisierungsnotizen kombinieren. Das ist es, wonach ein Prüfer suchen wird.

5.2 Umgang mit teilweisen Profilen (niedrige DNA, degradiert, FFPE)

Teilweise Profile treten auf. Behandeln Sie sie als richtungsweisende Hinweise und entscheiden Sie, ob Sie fortfahren oder wiederholen möchten:

Wenn das Entscheidungsrisiko niedrig ist (z. B. bei der frühen Entdeckungstriage), kann ein Treffer mit hoher Wahrscheinlichkeit über die wenigen gemeinsamen Loci rechtfertigen, voranzuschreiten – vorausgesetzt, Sie dokumentieren die Einschränkung und planen eine Wiederholung.
Wenn das Entscheidungsrisiko hoch ist (z. B. ein wertvolles Programm oder ein Verifikationsgate in der späten Phase), wiederholen Sie die Extraktion, erhöhen Sie die Loci-Abdeckung auf ≥13 und führen Sie die Suche erneut durch, bevor Sie es als bestätigt betrachten.

Tipp: Erstellen Sie ein standardisiertes Notizformat für fehlende Loci und mögliche Ursachen für Ausfälle; das wird spätere Rückfragen sparen.

5.3 Wenn STR nicht ausreicht

STR ist das Rückgrat der Identität menschlicher Zelllinien, aber es gibt Fälle, in denen Sie eskalieren sollten:

Gemischte oder kreuzspezies Signale: Verwenden Sie die Artenidentifikation und gezielte Tests, um nicht-menschliche Verunreinigungen auszuschließen; führen Sie Aufzeichnungen zusammen mit Ihrem STR-Abgleich.
Mehrdeutige oder grenzwertige Übereinstimmungen: Ziehen Sie orthogonale Daten wie Karyotypisierung oder SNP-basierte Panels in Betracht, um Entscheidungen zu treffen.
Qualitätsflaggen: Wenn EPGs Artefakte oder allelische Ungleichgewichte zeigen, wiederholen Sie den Test, anstatt eine Zuordnung zu erzwingen.

Mikrofall 1 — Alias/Ableitungsauflösung (anonymisiert) Eingabe (Auszug): D5S818:11,13; D13S317:8,11; D7S820:10,12; vWA:16,18; Amelogenin: X Cross-Datenbank-Ergebnisnotizen: Die besten Treffer lieferten nahezu identische Übereinstimmungen in den aggregierten Aufzeichnungen von Cellosaurus und auf einer ATCC-Produktseite; JCRB listete ein historisches Synonym, das mit demselben Spender verbunden ist. Siehe die Cellosaurus-Aggregation für CVCL_1401 (abgerufen am 2026-02-06). Urteil & Schlussfolgerung: Profile und Querverweise deuten auf ein bekanntes Alias hin, anstatt auf Kontamination; Entscheidung = Bestätigt nach Archivierung der ATCC/JCRB-URLs und Notierung der Passage/Lot-Metadaten.

Mikrofall 2 — Umgang mit Mikrovarianten und abgeleitetem Signal (anonymisiert) Eingabe (Auszug): TH01:9.3,9; D16S539:9,13; D18S51:13,15; FGA:22,23 Hinweise zu den Ergebnissen aus verschiedenen Datenbanken: DSMZCellDive/DSMZ-Literaturbeispiele zeigen ähnliche 9.3 Mikrovariantenkonventionen und berichteten hohe Ähnlichkeitsscores für verwandte Derivate (siehe DSMZCellDive-Diskussion in Koblitz et al., 2022; abgerufen am 2026-02-06). Cellosaurus-Einträge für dieselbe Linie verzeichnen leicht unterschiedliche FGA-Angaben, wahrscheinlich aufgrund subklonaler Variation. Urteil & Schlussfolgerung: Die Mikrovariantennotation entspricht den DSMZ-Konventionen; als Wahrscheinlich/Verwandt behandeln — Mikrovariantennotierung aufzeichnen und Wiederholung der PCR an ≥13 Loci zur Bestätigung empfehlen.

Mikrofall 3 — Teilweise/niedrig-loci Profil (anonymisiert) Eingabe (Auszug): CSF1PO:11; TH01:7,9; TPOX:8; (nur 4 Loci wiederhergestellt; Probe = degradiert/FFPE) Notizen zu den Ergebnissen der Kreuzdatenbank: CLASTR/Cellosaurus und DSMZ-Sichtung ergaben mehrere Kandidaten mit geringer Zuverlässigkeit mit 50–70% gemeinsamen Allelen; ATCC-Suchen ergaben keine Treffer ≥80% (abgerufen am 2026-02-06). Urteil & Fazit: Die Beweise sind richtungsweisend, aber nicht schlüssig; empfohlene Maßnahme = erneute Extraktion und erneute Durchführung mit einem erweiterten Kit (≥13 Loci). Wenn eine erneute Extraktion unmöglich ist, als nicht schlüssig berichten mit dokumentierten Loci, die versucht wurden, und archivierten Kandidaten-URLs.

Warum diese Mikrofälle ausgewählt wurden Fälle wurden ausgewählt, um drei wertvolle Entscheidungsaufgaben abzudecken: Alias-/Derivatauflösung, Mikrovatianten-/Notationseckfälle und Teilprofilbearbeitung. Jeder Fall zeigt, wie sich die Beweise aus verschiedenen Datenbanken und Herkunftsnotizen auf den Entscheidungsprozess auswirken und zeigt die praktischen Artefakte (Allelschnipsel, Kandidatenränge, Quell-URLs, Zugriffsdatum), die Sie zur Auditierbarkeit archivieren sollten.

Benötigen Sie fortgeschrittene Anwendungsfälle wie gemischte menschliche/Maus-Signale oder die Quantifizierung von Mischungen? Siehe Chimerismus & Xenotransplantat-STR. Chimerismus- und Xenotransplantatanalyse mit STR.

Wenn Sie außerdem eine praktische Erklärung dazu wünschen, wie man STR-Berichte liest, bevor Sie Eskalationsentscheidungen treffen, sehen Sie sich den ausführlichen Interpretationsleitfaden an. Wie man STR-Analyseberichte interpretiert

6. FAQs, die B2B-Teams vor der Bestellung stellen

6.1 "Kannst du mit der Datenbank vergleichen, die wir intern verwenden?"

Ja—exportieren Sie Ihre internen Alleltabellen in einer sauberen CSV/XLS mit Locusnamen, die mit gängigen Panels übereinstimmen. Tools wie Cellosaurus CLASTR akzeptieren Batch-Uploads und lösen Quellkonflikte, indem sie die besten/schlechtesten Profile berechnen. Ihr SOP sollte interne Header den akzeptierten Locusbezeichnungen des Portals zuordnen und eine Vorlagendatei enthalten. Archivieren Sie die Laufprotokolle, Einstellungen und Ergebnis-URLs.

6.2 "Was ist, wenn meine Zelllinie nicht in den großen drei Datenbanken enthalten ist?"

Zuerst, erweitern Sie die Suche: Verwenden Sie CLASTR und DSMZCellDive mit flexiblen Locus-Eingaben. Zweitens, überprüfen Sie die repository-spezifischen Seiten (ATCC-Produktseiten, JCRB-Linien-Details) auf Aliase oder Derivate. Drittens, berücksichtigen Sie, dass Ihr Profil ein unterdokumentiertes Derivat oder eine neuartige Linie darstellen könnte; eskalieren Sie zu zusätzlichen Loci oder orthogonalen Methoden, wenn die Übereinstimmung weiterhin <80% über eine angemessene Menge geteilter Loci liegt.

6.3 "Was sollte ich senden, um das Vertrauen in die Übereinstimmung zu maximieren?"

Bereitstellung von ≥13-Lokus-Allelaufrufen mit konsistenter Formatierung, plus Amelogenin.
Bitte geben Sie den Namen und die Version des Kits/ der Platte, die Herkunft des Probenmaterials (Passage/Charge) und das Datum der Entnahme an.
Teilen Sie die Elektropherogramme (EPGs) zusammen mit der Alleltabelle.
Wenn Sie eine Degradation vermuten (z. B. FFPE), kennzeichnen Sie dies, damit die Prüfer mit einem Ausfall rechnen und eine erneute Extraktion planen.

Berücksichtigen Sie auch: die Ausführung des Workflows von Anfang bis Ende (RUO)

Wenn Sie einen RUO-Anbieter benötigen, um den STR-Test durchzuführen und ein auditbereites Paket (Alleltabellen, EPGs, Datenbankvergleiche) zusammenzustellen, unterstützt CD Genomics den abgleich zwischen Datenbanken mit wichtigen öffentlichen Repositorien und berichtet über geringfügige menschliche Kontaminationen bis zu etwa 10 % unter typischen Bedingungen. Siehe die Serviceübersicht für Umfang, Liefergegenstände und Probenarten. Identifizierung und Authentifizierung von Zelllinien durch STR-Profiling

Offenlegung: Diese Erwähnung dient dazu, praktische Ausführungsoptionen zu veranschaulichen; wählen Sie einen qualifizierten RUO-Anbieter, der Ihren institutionellen SOPs und Dokumentationsanforderungen entspricht.

Praktische Referenzen und Standards, die Sie kennen sollten

Der ANSI/ATCC-Standard (ASN-0002-2022) formalisiert empfohlene autosomale Loci und Interpretationsschwellen. Verwenden Sie seine Terminologie in Ihren SOPs und externen Mitteilungen, damit das Beschaffungs- und das Journalpersonal dieselbe Sprache sprechen.
Die offiziellen Hilfeseiten des Repositories (ATCC) beschreiben, wie man Loci eingibt, Prozentübereinstimmungsbänder interpretiert und Ergebnisse angemessen archiviert.
Der Artikel von DSMZCellDive aus dem Jahr 2022 beschreibt das Datenportal, das die Suchwerkzeuge von DSMZ unterstützt, und dokumentiert das hochrangige Zuordnungsverhalten sowie die Datenquellen.
Die Qualitätskontrollrichtlinie von JCRB und die Seiten pro Zeile enthalten häufig Chargendaten und Links, die von unschätzbarem Wert sind, wenn Sie die Herkunft zurückverfolgen müssen.

Für die Ähnlichkeitssuche über Datenbanken hinweg bietet CLASTR (gehostet von Cellosaurus eine batch-freundliche Schnittstelle, die standardmäßige CSV/XLS mit Locus-Headern akzeptiert und rangierte Treffer zurückgibt.

Für einen schrittweisen Arbeitsablauf mit Übereinstimmungsgrenzen und Dokumentationszeitpunkten siehe ICLACs 2023 Leitfaden zur Authentifizierung menschlicher Zelllinien (PDF), die die STR-Genotypisierungsverfahren, die Konvention von ≥80% Übereinstimmung und Empfehlungen zur Aufzeichnung (abgerufen am 06.02.2026) umreißt.