<~生~信~交~流~与~合~作~请~关~注~公~众~号@生信探索> VCF是Variant Call Format的简称,是一种定义的专门用于存储基因序列突变信息的文本格式。在生物信息分析中会大量用到VCF格式。例如基因组中的单碱基突变,SNP, 插入/缺失INDEL, 拷贝数变异CNV,和结构变异SV等,都是利用VCF格式来存储的。将其存储为二进制格式就是BCF。
VCF文件包括了两部分
第一部分是#开头的注释行称为header
包括版本信息,物种,生成这个文件所使用的命令,参考基因组信息等。
第二部分是以TAB分割的列称为records,前7列必须存在,可以用.
表示空值
第1列:CHROM
chromosome;染色体名称或contig名称;
第2列:POS
position;参考基因组突变碱基位置,如果是INDEL,位置是INDEL的第一个碱基位置;
第3列:ID
dentifier; 突变的名称,比如dbSNP的名字
第4列:REF
reference base(s);参考染色体的碱基
第5列:ALT
alternate base(s; 与参考序列比较,发生突变的碱基,可以有多个值,每个值用逗号分隔
第6列:QUAL
quality;Phred标准下的质量值,表示该变异位点的可靠性,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%