{
  "id": "variant-call-format",
  "title": "变异检出格式",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "变异检出格式是一种标准化文本格式，用于记录基因组序列变异、相对于参考基因组的位置，以及样本基因型和注释。",
  "category": "science",
  "subcategory": "biology",
  "type": "concept",
  "aliases": [
    "VCF",
    "变异调用格式"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/variant-call-format/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/variant-call-format/",
      "json": "https://aiwiki.page/en/variant-call-format.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "**变异检出格式（Variant Call Format，VCF）**是一种以制表符分隔的文本格式，用于描述脱氧核糖核酸序列相对于参考基因组的变异。VCF 文件记录序列差异的位置及具体内容，也可包含一个或多个样本的基因型、质量估计值、过滤结果和生物学注释。它广泛用于交换DNA测序分析结果，尤其是单核苷酸变异、短插入和缺失，以及较大的结构变异。\n\nVCF 表示的是经过分析判定的变异检出结果，而不是底层的测序读段。要正确解读文件内容，其参考序列、元数据和字段定义都不可或缺。"
    },
    {
      "heading": "发展与适用范围",
      "text": "VCF 起源于千人基因组计划，旨在为众多人类基因组中发现的变异提供统一的表示方式。介绍该格式及其配套软件 VCFtools 的论文于 2011 年发表。此后，该格式的应用逐渐超出人类基因组学的范围，广泛用于其他动物、植物和微生物的研究。\n\n该规范由 HTS 规范项目维护，与其他高通量测序相关格式一同管理。后续版本不断明确字段定义，并扩展对复杂变异的支持。文件在第一行声明所采用的规范版本；具体功能能否得到支持，既取决于该版本，也取决于读取文件的软件。\n\n虽然 VCF 最初主要用于变异位点，但也可通过基因组 VCF 等约定，表示与参考序列一致的观测结果，以及具有参考一致性置信度信息的区间。"
    },
    {
      "heading": "文件组织",
      "text": "VCF 文件由头部和随后的数据记录组成。每条记录通常描述一个变异位点或相关的基因组事件。\n\n元数据与列标题\n\n元数据行以 ## 开头。第一行声明格式版本，例如：\n\n##fileformat=VCFv4.3\n\n其他元数据可注明参考基因组组装、序列重叠群、分析软件、过滤标准和注释定义。结构化声明用于定义 INFO 列和 FORMAT 列中使用的字段，包括字段标识符、类型、取值数量和说明。\n\n头部的最后一行以 #CHROM 开头。该行给出八个固定列的名称；如果包含样本数据，其后还会列出 FORMAT 以及每个样本对应的一列。\n\n固定列\n\n列 | 含义\nCHROM | 参考序列标识符，例如染色体或重叠群名称。\nPOS | 该记录所表示的第一个参考碱基的位置，从 1 开始计数。\nID | 变异的一个或多个标识符；如无可用标识符，则为 .。\nREF | 参考等位基因序列。\nALT | 以逗号分隔的替代等位基因；未指定替代等位基因时为 .。\nQUAL | 对该记录所述变异确实存在这一判断的 Phred 标度质量值。\nFILTER | 过滤结果：通过所有已应用的过滤条件时为 PASS；否则列出未通过的过滤条件名称；未执行过滤时为 .。\nINFO | 以分号分隔的位点级注释。\n\nCHROM 可以指染色体、尚未定位的重叠群，或参考组装中的其他序列。等位基因必须相对于该特定参考序列来解读，不能脱离参考序列独立解释。\n\n可选的 FORMAT 列列出以冒号分隔的样本字段，例如 GT:DP:GQ。其后的每个样本列都按这一顺序提供相应取值。"
    },
    {
      "heading": "等位基因、坐标与基因型",
      "text": "相对于参考序列的表示\n\n对于单核苷酸变异，REF 和 ALT 可以各包含一个碱基。POS=100、REF=A、ALT=G 的记录表示：在参考序列碱基为 A 的位置，存在一个 G 替代等位基因。\n\n短插入和缺失通常包含一个共有的锚定碱基，使两个等位基因序列都不为空。例如：\n\n- POS=100、REF=A、ALT=AT 表示在参考序列第 100 位碱基之后插入 T。\n- POS=100、REF=AT、ALT=A 表示删除第 101 位的 T。\n\n因此，缺失记录的位置可能指向其锚定碱基，而不是第一个被删除的碱基。对于发生在参考序列起始处的事件，需采用特殊的锚定规则。\n\nVCF 坐标从 1 开始计数。如果将其与其他某些基因组格式采用的从 0 开始计数的坐标系统混淆，解读结果就可能偏移一个碱基。\n\n基因型编码\n\nGT 字段使用数字索引表示等位基因：\n\n- 0 表示参考等位基因。\n- 1 表示 ALT 中列出的第一个等位基因。\n- 2 表示第二个替代等位基因，依此类推。\n- . 表示等位基因信息缺失。\n\n对于二倍体样本，0/1 表示一个参考等位基因和一个第一替代等位基因的拷贝；1/1 表示该替代等位基因的两个拷贝。当 ALT=C,G 时，1/2 表示一个 C 等位基因和一个 G 等位基因。\n\n斜杠表示基因型未经定相。竖线（如 0|1 中所示）表示存在相位信息：在适用的相位范围内，等位基因的顺序具有意义。相位集合注释可标明哪些记录之间具有已知的相位关系。仅凭定相分隔符，并不能确定整条染色体上的单倍型。\n\n基因型中也可包含其他数量的等位基因条目，以适应单倍体生物、性染色体和多倍性的情况。"
    },
    {
      "heading": "示例",
      "text": "以下示例包含一个双等位基因位点和一个样本。列标题行与数据行中的字段均以制表符分隔。\n\n##fileformat=VCFv4.3\n##contig=<ID=chr1,length=1000000>\n##FORMAT=<ID=GT,Number=1,Type=String,Description=\"基因型\">\n##FORMAT=<ID=DP,Number=1,Type=Integer,Description=\"读段深度\">\n#CHROM\tPOS\tID\tREF\tALT\tQUAL\tFILTER\tINFO\tFORMAT\tSAMPLE_A\nchr1\t100\t.\tA\tG\t50\tPASS\t.\tGT:DP\t0/1:18\n\n该记录描述了 chr1 上第 100 位的 A 至 G 变异。SAMPLE_A 的基因型为未定相的杂合型，报告的读段深度为 18。该位点的质量值为 50，并通过了所有已应用的过滤条件。记录未提供变异标识符或位点级注释。\n\n仅凭这条记录，无法确定其生物学效应、遗传模式，或与某种表型的关联。"
    },
    {
      "heading": "注释与质量指标",
      "text": "VCF 将 INFO 中的位点级注释与由 FORMAT 指定的样本级注释区分开来。\n\n常见字段包括：\n\n- AC：所考察基因型中的替代等位基因计数。\n- AN：已判定基因型中计入统计的等位基因总数。\n- AF：替代等位基因频率。\n- DP：读段深度，其适用范围和计数细节取决于字段定义及生成该文件的软件。\n- AD：样本中参考等位基因和各替代等位基因的读段深度。\n- GQ：样本级基因型质量。\n- PL：以 Phred 标度表示的基因型似然值。\n\n质量值通常采用 Phred 变换：\n\n\\[Q=-10\\log_{10}p,\\]\n\n其中，\\(p\\) 为相应的错误概率。按此解释，质量值 30 对应的错误概率为 \\(10^{-3}\\)。位点质量、基因型质量和基因型似然值描述的是不同的量，不能互换使用。它们的实际校准情况还取决于变异检出模型和数据。\n\n头部声明规定了注释的取值数量。例如，Number=A 表示每个替代等位基因对应一个值，Number=R 表示参考等位基因和每个替代等位基因各对应一个值，Number=G 表示在适用倍性下每种可能的基因型对应一个值。拆分或合并记录时，必须注意这些区别。"
    },
    {
      "heading": "结构变异与符号等位基因",
      "text": "较大的变化统称为结构变异，可使用明确的序列表示，也可使用 <DEL>、<DUP> 和 <INV> 等符号等位基因表示。附加字段可描述变异类型、长度、端点，以及断点位置的不确定性。\n\nVCF 还为重排定义了断端表示法。方括号和参考坐标用于描述一段序列的末端如何与另一段序列连接。根据事件的具体情况，可能需要多条相互关联的记录。\n\n以下两种特殊的替代等位基因形式各有其特定含义：\n\n- * 表示由于另一条记录所描述的缺失，该等位基因在当前位置不存在。\n- <NON_REF> 用于基因组 VCF 工作流程，表示未明确列出的潜在非参考等位基因。\n\n这两种形式都不应被解释为普通的 DNA 序列。"
    },
    {
      "heading": "压缩、索引与相关格式",
      "text": "VCF 可供人直接阅读，但在包含大量样本的研究中，文件可能非常庞大。它通常使用 BGZF 压缩；这是一种分块压缩格式，支持高效访问压缩文件的局部内容。按坐标排序的压缩 VCF 文件可使用 Tabix 等工具建立索引，从而无需读取整个文件，就能检索与某个基因组区域重叠的记录。\n\n二进制变异检出格式（BCF）是 VCF 数据模型的二进制表示。它减少了文本解析开销，广泛用于计算处理。\n\n基因组变异检出格式（gVCF）是一种基于 VCF 的表示方式，除了候选变异外，还包含非变异位置或位置区块的信息。它通常用作联合基因型判定的中间文件。相比之下，某个位点未出现在普通的仅含变异的 VCF 中，并不能证明样本在该位点以高置信度与参考序列一致。\n\nVCFtools 和 BCFtools 等软件支持过滤、查询、合并、注释和格式转换等操作。"
    },
    {
      "heading": "应用与局限",
      "text": "VCF 为群体遗传学、全基因组关联研究、变异注释以及测序分析结果比较提供了通用的交换格式。由于支持多个样本，它可以在提供个体基因型的同时给出位点级汇总信息。\n\n不过，互操作性并非仅靠语法有效就能保证：\n\n- **参考序列兼容性：**坐标和等位基因依赖于特定的基因组组装。在不同组装之间转换，需要进行坐标映射并验证等位基因序列。\n- **等价表示：**同一个插入、缺失或复杂事件可能有多种有效表示，尤其是在重复序列中。去除冗余碱基并对插入缺失进行左对齐，可以改善比较结果，但无法解决所有复杂的等价关系。\n- **多等位基因转换：**将一条记录拆分为多条独立的双等位基因记录时，需要相应更新基因型、按等位基因索引的注释，以及按基因型索引的数值。\n- **缺失情况：**基因型缺失不等于参考等位基因纯合。某个位点未被列出，可能是因为过滤、证据不足，或分析流程的输出约定。\n- **注释一致性：**自定义字段、不同的深度计算方法，以及变异检出软件特有的过滤条件，都可能使表面相似的文件难以比较。\n- **表示能力的限制：**对于复杂重排，以及相对于泛基因组的变异，使用锚定于单一线性参考序列的记录来表示，可能十分繁琐。\n\nVCF 规范的是结果的表示方式，而不是推断结果的方法。格式有效的文件仍可能包含错误的变异检出结果、校准不佳的质量分数，或不完整的注释。"
    }
  ],
  "links": [
    "dna",
    "reference-genome",
    "genotype",
    "dna-sequencing",
    "chromosome",
    "allele",
    "phenotype",
    "probability",
    "population-genetics",
    "genome-wide-association-study",
    "pangenome"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}