VCF （Variant Call Format）格式详解

最新推荐文章于 2021-05-25 19:49:22 发布
最新推荐文章于 2021-05-25 19:49:22 发布
阅读量8.4k 收藏 4
点赞数
分类专栏： bioinformatics

VCF文件示例（VCFv4.2）

 转自：http://www.cnblogs.com/emanlee/p/4562064.html

复制代码 
##fileformat=VCFv4.2
##fileDate=20090805
##source=myImputationProgramV3.1
##reference=file:///seq/references/1000GenomesPilot-NCBI36.fasta
##contig=<ID=20,length=62435964,assembly=B36,md5=f126cdf8a6e0c7f379d618ff66beb2da,species="Homo sapiens",taxonomy=x>
##phasing=partial
##INFO=<ID=NS,Number=1,Type=Integer,Description="Number of Samples With Data">
##INFO=<ID=DP,Number=1,Type=Integer,Description="Total Depth">
##INFO=<ID=AF,Number=A,Type=Float,Description="Allele Frequency">
##INFO=<ID=AA,Number=1,Type=String,Description="Ancestral Allele">
##INFO=<ID=DB,Number=0,Type=Flag,Description="dbSNP membership, build 129">
##INFO=<ID=H2,Number=0,Type=Flag,Description="HapMap2 membership">
##FILTER=<ID=q10,Description="Quality below 10">
##FILTER=<ID=s50,Description="Less than 50% of samples have data">
##FORMAT=<ID=GT,Number=1,Type=String,Description="Genotype">
##FORMAT=<ID=GQ,Number=1,Type=Integer,Description="Genotype Quality">
##FORMAT=<ID=DP,Number=1,Type=Integer,Description="Read Depth">
##FORMAT=<ID=HQ,Number=2,Type=Integer,Description="Haplotype Quality">
#CHROM POS     ID        REF    ALT     QUAL FILTER INFO                              FORMAT      NA00001        NA00002        NA00003
20     14370   rs6054257 G      A       29   PASS   NS=3;DP=14;AF=0.5;DB;H2           GT:GQ:DP:HQ 0|0:48:1:51,51 1|0:48:8:51,51 1/1:43:5:.,.
20     17330   .         T      A       3    q10    NS=3;DP=11;AF=0.017               GT:GQ:DP:HQ 0|0:49:3:58,50 0|1:3:5:65,3   0/0:41:3
20     1110696 rs6040355 A      G,T     67   PASS   NS=2;DP=10;AF=0.333,0.667;AA=T;DB GT:GQ:DP:HQ 1|2:21:6:23,27 2|1:2:0:18,2   2/2:35:4
20     1230237 .         T      .       47   PASS   NS=3;DP=13;AA=T                   GT:GQ:DP:HQ 0|0:54:7:56,60 0|0:48:4:51,51 0/0:61:2
20     1234567 microsat1 GTC    G,GTCT  50   PASS   NS=3;DP=9;AA=G                    GT:GQ:DP    0/1:35:4       0/2:17:2       1/1:40:3
复制代码

 

CHROM：       表示变异位点是在哪个contig 里call出来的，如果是人类全基因组的话那就是chr1…chr22，chrX,Y,M。

POS：          变异位点相对于参考基因组所在的位置，如果是indel，就是第一个碱基所在的位置。

ID：            如果call出来的SNP存在于dbSNP数据库里，就会显示相应的dbSNP里的rs编号。

REF和REF：     在这个变异位点处，参考基因组中所对应的碱基和研究对象基因组中所对应的碱基。

QUAL：         可以理解为所call出来的变异位点的质量值。Q=-10lgP，Q表示质量值；P表示这个位点发生错误的概率。因此，如果想把错误率从控制在90%以上，P的阈值就是1/10，那lg（1/10）=-1，Q=（-10）*（-1）=10。同理，当Q=20时，错误率就控制在了0.01。

FILTER：       理想情况下，QUAL这个值应该是用所有的错误模型算出来的，这个值就可以代表正确的变异位点了，但是事实是做不到的。因此，还需要对原始变异位点做进一步的过滤。无论你用什么方法对变异位点进行过滤，过滤完了之后，在FILTER一栏都会留下过滤记录，如果是通过了过滤标准，那么这些通过标准的好的变异位点的FILTER一栏就会注释一个PASS，如果没有通过过滤，就会在FILTER这一栏提示除了PASS的其他信息。如果这一栏是一个“.”的话，就说明没有进行过任何过滤。

 

例子：

复制代码 
#CHROM  POS ID      REF ALT QUAL    FILTER  INFO    FORMAT  NA12878
chr1    873762  .       T   G   5231.78 PASS    AC=1;AF=0.50;AN=2;DP=315;Dels=0.00;HRun=2;HaplotypeScore=15.11;MQ=91.05;MQ0=15;QD=16.61;SB=-1533.02;VQSLOD=-1.5473 GT:AD:DP:GQ:PL   0/1:173,141:282:99:255,0,255
chr1    877664  rs3828047   A   G   3931.66 PASS    AC=2;AF=1.00;AN=2;DB;DP=105;Dels=0.00;HRun=1;HaplotypeScore=1.59;MQ=92.52;MQ0=4;QD=37.44;SB=-1152.13;VQSLOD= 0.1185 GT:AD:DP:GQ:PL  1/1:0,105:94:99:255,255,0
chr1    899282  rs28548431  C   T   71.77   PASS    AC=1;AF=0.50;AN=2;DB;DP=4;Dels=0.00;HRun=0;HaplotypeScore=0.00;MQ=99.00;MQ0=0;QD=17.94;SB=-46.55;VQSLOD=-1.9148 GT:AD:DP:GQ:PL  0/1:1,3:4:25.92:103,0,26
chr1    974165  rs9442391   T   C   29.84   LowQual AC=1;AF=0.50;AN=2;DB;DP=18;Dels=0.00;HRun=1;HaplotypeScore=0.16;MQ=95.26;MQ0=0;QD=1.66;SB=-0.98 GT:AD:DP:GQ:PL  0/1:14,4:14:60.91:61,0,255
复制代码

 

到现在，我们就可以解释上面的例子：

chr1：873762 是一个新发现的T/G变异，并且有很高的可信度（qual=5231.78）。

chr1：877664 是一个已知的变异为A/G 的SNP位点，名字rs3828047，并且具有很高的可信度（qual=3931.66）。

chr1：899282 是一个已知的变异为C/T的SNP位点，名字rs28548431，但可信度较低（qual=71.77）。

chr1：974165 是一个已知的变异为T/C的SNP位点，名字rs9442391，但是这个位点的质量值很低，被标 成了“LowQual”，在后续分析中可以被过滤掉。

 

Vcf文件看起来很复杂，挺吓人的样子，但是里面大部分都是一些tags，而这些tags基本上都是在VASR中过滤用的，能够理解每个tags的意思最好，如果实在不理解也就不用管了。其实最关键的信息也就是那么几列：

chr1    873762      .       T   G   [CLIPPED]  GT:AD:DP:GQ:PL    0/1:173,141:282:99:255,0,255

chr1    877664  rs3828047   A   G   [CLIPPED]  GT:AD:DP:GQ:PL    1/1:0,105:94:99:255,255,0

chr1    899282  rs28548431  C   T   [CLIPPED]  GT:AD:DP:GQ:PL    0/1:1,3:4:25.92:103,0,26

 

其中最后面两列是相对应的，每一个tag对应一个或者一组值，如：

chr1：873762，GT对应0/1；AD对应173,141；DP对应282；GQ对应99；PL对应255,0,255。

 

GT：    表示这个样本的基因型，对于一个二倍体生物，GT值表示的是这个样本在这个位点所携带的两个等位基因。0表示跟REF一样；1表示表示跟ALT一样；2表示第二个ALT。当只有一个ALT 等位基因的时候，0/0表示纯和且跟REF一致；0/1表示杂合，两个allele一个是ALT一个是REF；1/1表示纯和且都为ALT； The most common format subfield is GT (genotype) data. If the GT subfield is present, it must be the first subfield. In the sample data, genotype alleles are numeric: the REF allele is 0, the first ALT allele is 1, and so on. The allele separator is '/' for unphased genotypes and '|' for phased genotypes.

0 - reference call

1 - alternative call 1

2 - alternative call 2

AD：    对应两个以逗号隔开的值，这两个值分别表示覆盖到REF和ALT碱基的reads数，相当于支持REF和支持ALT的测序深度。

DP：    覆盖到这个位点的总的reads数量，相当于这个位点的深度（并不是多有的reads数量，而是大概一定质量值要求的reads数）。

PL:      对应3个以逗号隔开的值，这三个值分别表示该位点基因型是0/0，0/1，1/1的没经过先验的标准化Phred-scaled似然值（L）。如果转换成支持该基因型概率（P）的话，由于L=-10lgP，那么P=10^（-L/10），因此，当L值为0时，P=10^0=1。因此，这个值越小，支持概率就越大，也就是说是这个基因型的可能性越大。

GQ：   表示最可能的基因型的质量值。表示的意义同QUAL。

 

举个例子说明一下：

chr1    899282  rs28548431  C   T   [CLIPPED]  GT:AD:DP:GQ:PL    0/1:1,3:4:25.92:103,0,26

在这个位点，GT=0/1，也就是说这个位点的基因型是C/T；GQ=25.92，质量值并不算太高，可能是因为cover到这个位点的reads数太少，DP=4，也就是说只有4条reads支持这个地方的变异；AD=1,3，也就是说支持REF的read有一条，支持ALT的有3条；在PL里，这个位点基因型的不确定性就表现的更突出了，0/1的PL值为0，虽然支持0/1的概率很高；但是1/1的PL值只有26，也就是说还有10^(-2.6)=0.25%的可能性是1/1；但几乎不可能是0/0，因为支持0/0的概率只有10^(-10.3)=5*10-11。

 

VCF (Variant Call Format) version 4.1

The VCF specification is no longer maintained by the 1000 Genomes Project. The group leading the management and expansion of the format is the Global Alliance for Genomics and Health Data Working group file format team, http://ga4gh.org/#/fileformats-team

The main version of the specification can be found on https://github.com/samtools/hts-specs

This is under continued development, please check the hts-specs page for the most recent specification

A PDF of the v4.1 spec is http://samtools.github.io/hts-specs/VCFv4.1.pdf
A PDF of the v4.2 spec is http://samtools.github.io/hts-specs/VCFv4.2.pdf

VCFTools host a discussion list about the specification called vcf-spec http://sourceforge.net/p/vcftools/mailman/

 

REF:

http://blog.sina.com.cn/s/blog_12d5e3d3c0101qv1u.html

http://samtools.github.io/hts-specs/VCFv4.2.pdf

http://samtools.github.io/bcftools/bcftools.html

g863402758
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
vcflib:用于解析和处理VCF文件的C ++库和cmdline工具
05-10
vcflib 一个用于解析和处理VCF文件的C ++库。 概述 是平面文件，制表符分隔的文本格式，用于描述个人之间引用索引的变体。 VCF提供了一种通用的交换格式来描述个体和样本群体中的变异，并已成为各种基因组变异检测器的事实上的标准报告格式。 vcflib提供了操作和解释VCF描述的序列变异的方法。 两者都是： 用于解析和操作基因组变异记录的API，可以用VCF格式描述 命令行实用程序的集合，用于对VCF文件执行复杂的操作 vclib既是一个库（带有API）又是有用工具的集合。 该API提供了一种快速且极其宽松的方法来读取和写入VCF文件。 随附的实用程序（* .cpp）中提供的库的扩展和应用程序构成了库实用程序的绝大部分。 短指数： 筛选 指标 表型 基因型 转型 统计数据 剧本 链接库 从源代码构建 发展 执照 安装 Bioconda Conda无需用户权限即可安装在用户
vcf文件（call variants得来的）怎么看变异是纯合还是杂合的
weixin_33830216的博客
06-25 1084
如下图片所示： 对于位置为48245131的allele来说，REF为A，ALT为C 想确定变异到底是纯合还是杂合，即两条染色体是否同时发生了变异，则看GT，GT对应的数值为0/1，说明该变异为杂合； 如果GT对应的数值为0/0，说明该变异为纯合。 转载于:https://www.cnblogs.com/chenwenyan/p/7077428.html...
QuotedPrintable 编码类可用于vcf解码
天地不仁，以万物为刍狗！
01-14 810
public class QuotedPrintable {     private const byte EQUALS = 61;     private const byte CR = 13;     private const byte LF = 10;     private const byte SPACE = 32;     private const byte TAB =
值得推荐的C/C++框架和库
天天water的专栏
06-29 4541
偶然间在博客园前辈那里看到的，转载备用，日后研究。 原文链接：http://www.cnblogs.com/findumars/p/6891515.html Webbench是一个在linux下使用的非常简单的网站压测工具。它使用fork()模拟多个客户端同时访问我们设定的URL，测试网站在压力下工作的性能，最多可以模拟3万个并发连接去测试网站的负载能力。Webbench使用C语言编写
用c语言读取vcf文件,F2C用法
weixin_39993989的博客
05-25 875
f2c是一个能将Fortran程序转换成c程序的软件和库，其官网为http://www.netlib.org/f2c/。官网中的资源如下：f2c.1：f2c程序使用手册f2c.pdf：介绍了转换的原理libf2c.zip(combined libf77, libi77, with several makefile variants)：利用命令行nmake -f makefile.vc编译，得到一个...
生物基因数据文件——vcf格式详解
热门推荐
vickyleexy's blog
04-24 6万+
转载于：1.什么是vcf文件VCF是用于描述SNP，INDEL和SV结果的文本文件。在GATK软件中得到最好的支持，当然SAMtools得到的结果也是VCF格式，和GATK的CVF格式有点差别。2.VCF的主体结构##fileformat=VCFv4.0 ##FILTER= ##FORMAT= ##FORMAT= ##FORMAT= ##FORMAT= ##FORMAT= ##INFO= ##IN
bcftools 为 vcf 文件建索引及合并 vcf 文件
weixin_34144450的博客
01-16 2581
1. bgzip 压缩 vcf 文件为 gz 文件 bgzip -c T8_B8_TN_20171226190133_TN_haplotyper.vcf >T8_B8_TN_20171226190133_TN_haplotyper.vcf.gzbgzip -c T9_B9_TN_20171226195650_TN_haplotyper.vcf >T9_B9_TN_2017122619...
单倍型定相软件Haplotype phasing
wangprince2017
12-20 4785
Haplotype phasing software Share: haplotype phasing software The Eagle software estimates haplotype phase either using a phased reference panel or within a genotyped cohort. Haplotype-specific association analysis was performed with Fisher’s exac...
VCF Variant call file 突变识别文件.xmind
09-25
介绍了vcf包含的主要的9大元素以及各个元素的意思，包括【CHROM，POS，ID，REF，ALT，QUAL，FILTER，INFO，FORMAT】。
手机电话薄csv-vcf格式转换工具
08-23
手机电话薄cvs与vcf格式转换工具，简单小巧方便实用，在小米note、华为畅玩、三星、nokia3030等手机上测试通过。
vcf文件导出为.csv，
08-27
用foxmail邮箱批量导入(未命名).vcf文件，导出为.csv，方便快捷。
VCF格式详解.pdf
11-25
VCF格式详解.pdf
PyVCF:适用于 Python 的 Variant Call Format 阅读器
06-11
vcf将尝试根据元信息行中指定的数据类型解析每条记录的内容——特别是 ##INFO 和 ##FORMAT 行。 如果这些行丢失或不完整，它将检查规范中提到的保留类型。 否则，它只会返回字符串。 目前有一个接口： VCFReader ...
Variant_annotation_VCF
02-20
Variant_annotation_VCF 一个小型软件程序，用于输出CVS表和VCF文件，并带有输入VCF文件中每个变体的注释。 每个变体的其他信息可通过ExAC获得。 为了加快计算速度，使用ExAC API批量查询变量，然后将注释信息首先...
php简单读取.vcf格式文件的方法示例
10-19
主要介绍了php简单读取.vcf格式文件的方法,结合具体实例形式分析了php自定义函数读取vcf格式文件的具体实现方法与相关注意事项,需要的朋友可以参考下
linux大纲资料.txt
最新发布
04-23
linux
银行秒杀系统 第十三服创比赛项目.zip
04-23
银行秒杀系统 第十三服创比赛项目
单页登录源码 login登录页源码 html源码.zip
04-23
单页登录源码 login登录页源码 html源码
怎么用plink软件进行vcf格式转为ped格式
03-26
Plink可以将VCF格式的文件转换为PED格式的文件。以下是步骤： 1. 下载和安装Plink软件，打开命令行界面。 2. 将VCF文件输入到Plink命令中：plink --vcf yourfile.vcf --make-bed --out yourfile。 3. 创建PED文件...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值