参考基因组版本历史：从 hg19 到 GRCh38 的演进

快速概览

参考基因组版本（GRCh37/hg19 vs GRCh38/hg38）的选择影响所有下游分析的坐标系统、注释兼容性和结果可比性。理解版本差异的本质、补丁更新机制和命名体系，是避免坐标错误和数据整合失败的前提。

GRCh37（hg19）和 GRCh38（hg38）是两个主要人类参考版本
GRCh38 修复了 GRCh37 中的错误，新增 alternate loci 和 decoy 序列
补丁更新（如 GRCh38.p12 → p14）修复局部错误，不改变整体坐标
UCSC（hg19/hg38）和 Ensembl/NCBI（GRCh37/GRCh38）命名不同但指向同一版本
版本混用是分析中最常见的错误来源之一

所属板块 数据、注释与资源

参考版本、注释体系、数据格式与数据库的统一入口。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

是什么

参考基因组版本是人类基因组的标准化表示，定义了整个基因组的序列内容和坐标系统。所有比对、注释和变异检测都相对于特定版本进行。

版本命名体系

命名体系	格式	示例	说明
RefSeq/Ensembl	GRChXX	GRCh37, GRCh38	官方命名（Genome Reference Consortium）
UCSC	hgXX	hg19, hg38	UCSC 浏览器命名，广泛使用

对应关系

官方名称	UCSC 名称	发布年份	当前状态
GRCh37	hg19	2009	历史版本，仍广泛使用
GRCh38	hg38	2013	当前推荐版本

为什么重要

参考版本选择是分析流程中的第一个关键决策，影响：

坐标系统：所有变异位置都相对于特定版本
注释兼容性：GTF、数据库注释必须与参考版本匹配
结果可比性：不同版本的结果不能直接比较
工具兼容性：某些工具或数据库可能仅支持特定版本

关键认知：GRCh37 和 GRCh38 不是”同一个基因组的不同表示”，而是不同的坐标系统。同一变异在两个版本中的坐标可能不同。

GRCh37 vs GRCh38：主要差异

序列内容变化

特性	GRCh37 (hg19)	GRCh38 (hg38)
总长度	~3.1 Gb	~3.1 Gb
染色体数量	24（chr1-22, X, Y）	24 + alternate loci
Gaps 数量	~300 个	~80 个（修复 ~200 个）
错误修复	基线	修复 ~1000 个碱基错误
Alternate loci	无	新增 261 个 alternate haplotypes
Decoy 序列	无	新增未定位 scaffolds

坐标变化

由于序列修复和插入，约 5-10% 的区域在两个版本中坐标不同：

变化类型	影响范围	示例
碱基修复	局部（几个 bp）	错误碱基更正
插入/缺失	区域坐标偏移	插入新序列，下游坐标全部偏移
着丝粒/端粒	大幅改进	GRCh38 改进了重复区域表示

实际影响示例

变异: chr1:12345 A>G (GRCh37)
      ↓ liftover
      chr1:12400 A>G (GRCh38)  # 坐标偏移 55 bp

这为什么重要：如果使用 GRCh37 的坐标查询 GRCh38 的数据库，会得到错误结果或查询失败。

补丁更新机制

补丁类型

类型	前缀	说明	影响
Major release	GRCh37, GRCh38	主版本更新	大规模坐标变化
Patch	GRCh38.p1, p2, …	修复局部错误	局部坐标变化
Novel patch	GRCh38.p12_NOVEL	新增序列	增加新区域
Fix patch	GRCh38.p12_FIX	修复错误	修正局部序列

补丁版本号

GRCh38.p14
      ↑
      patch 版本号（14）

关键注意：

补丁更新通常不影响主要坐标，只修复局部错误
分析中应记录使用的完整版本号（包括 patch）
不同机构可能使用不同 patch 版本，但坐标通常兼容

如何选择合适的参考版本

决策框架

维度	选择 GRCh38/hg38	选择 GRCh37/hg19
新项目	推荐：当前标准，注释质量更高	不推荐：历史版本，仅用于兼容旧数据
公共数据比较	如果公共数据集使用 GRCh38	如果公共数据集（如 TCGA）使用 GRCh37
注释资源	Ensembl、GENCODE 优先支持 GRCh38	某些旧注释仍基于 GRCh37
工具兼容性	现代工具默认支持 GRCh38	旧工具可能仅支持 GRCh37

实际建议

场景	推荐版本	原因
全新项目	GRCh38	最新注释、更少错误、社区趋势
与 TCGA 比较	GRCh37	TCGA 数据基于 hg19
临床检测	GRCh38	ClinVar、ACMG 推荐使用
历史数据整合	取决于数据	需要统一所有数据到同一版本

版本转换：Liftover

当需要在两个版本之间转换坐标时，使用 liftover 工具：

# 使用 UCSC liftOver
liftOver input.bed hg19ToHg38.over.chain output.bed unlifted.bed

# 使用 CrossMap（支持 BAM/VCF/BED）
CrossMap.py vcf hg19ToHg38.chain input.vcf output.vcf

Liftover 的局限

问题	说明
不是 100% 成功	约 1-5% 的区域无法映射（新序列、大重排）
不是双向等价	GRCh37 → GRCh38 的转换不完全可逆
不转移变异	只转换坐标，不调整 REF/ALT 等位基因
可能引入错误	复杂区域的映射可能不准确

建议：优先从一开始就使用正确的参考版本，而不是依赖 liftover 转换。

与真实工具或流程的连接

常见概念误区

本章小结

GRCh37（hg19）和 GRCh38（hg38）是两个主要人类参考版本
GRCh38 修复错误、新增 alternate loci，是当前推荐版本
版本混用是分析中最常见的错误来源
Liftover 可转换坐标，但不完美，应优先使用正确版本
分析中应记录完整的参考版本（包括 patch）