Rå sekventeringsdata er ikke et svar. Det er en fil fuld af korte læsninger. At omdanne den fil til en liste over genetiske varianter kræver en række beregningstrin. Denne serie er en bioinformatisk pipeline. Hvert trin tager outputtet fra det foregående trin, transformerer det og sender det videre. Pipelinen slutter med noget, der kan fortolkes: et variantkald, en genekspressionsprofil, en taksonomisk klassificering.

En typisk pipeline til DNA-sekventering har flere faser. Kvalitetskontrol fjerner aflæsninger og adaptere af lav kvalitet. Justering kortlægger aflæsningerne til et referencegenom. Variantkald identificerer positioner, hvor prøven afviger fra referencen. Annotation tilføjer information om gener, regulatoriske elementer og kendte varianter. Filtrering fjerner sandsynlige falske positiver. Hvert trin har parametre, der påvirker resultatet, og at justere dem er delvist kunst, delvist videnskab.

Pipelines skal være reproducerbare. Hvis et resultat ikke kan reproduceres, kan det ikke stoles på. Workflow-styringssystemer som Nextflow, Snakemake og Galaxy sporer trinene, registrerer parametrene og pakker miljøet. De gør det muligt at køre en analyse igen måneder senere og få det samme svar. De gør det også muligt at dele analysen med samarbejdspartnere.

Rørledningen er ikke glamourøs. Den er VVS. Men uden den ville moderne biologi drukne i sine egne data.