VCF/BCF 格式：变异候选的标准编码

快速概览

VCF（Variant Call Format）编码的是变异候选（variant calls）——基于比对证据推断的序列差异。理解其结构（REF/ALT、QUAL、INFO、FORMAT、基因型），是变异过滤、注释和解释的基础。

• VCF 是文本格式，BCF 是二进制格式，两者语义等价
• 核心字段：CHROM/POS/REF/ALT 定义变异位置，QUAL 评估置信度
• INFO 字段保存变异级属性（深度、等位基因频率、功能影响）
• FORMAT + 样本列保存样本级基因型（GT）和其他指标
• VCF 是统计推断结果，不是绝对真理——依赖 caller 算法和过滤参数

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

VCF（Variant Call Format） 格式编码的是变异候选（variant calls）——基于 BAM 比对证据和统计模型产生的序列差异推断。

文件结构

VCF 文件由三部分组成：

##fileformat=VCFv4.3
##reference=file//reference/GRCh38.fa
##INFO=<ID=DP,Number=1,Type=Integer,Description="总深度">
##INFO=<ID=AF,Number=A,Type=Float,Description="等位基因频率">
##FORMAT=<ID=GT,Number=1,Type=String,Description="基因型">
##FORMAT=<ID=DP,Number=1,Type=Integer,Description="样本深度">
#CHROM  POS     ID      REF     ALT     QUAL    FILTER  INFO    FORMAT  SAMPLE1
chr1    12345   rs123   A       G       99.5    PASS    DP=150;AF=0.45  GT:DP   0/1:72
chr2    67890   .       C       T       45.2    LowQual DP=30;AF=0.15   GT:DP   0/1:12

部分	前缀	内容
Meta-information	##	文件格式、参考版本、INFO/FORMAT 定义
Header	#CHROM	列名和样本列表
Data	无前缀	每条变异记录

核心字段

字段	说明	示例
CHROM	染色体	chr1
POS	1-based 位置	12345
ID	dbSNP ID（如有）	rs123
REF	参考等位基因	A
ALT	替代等位基因	G
QUAL	质量分数（Phred-scaled）	99.5
FILTER	过滤状态	PASS / LowQual
INFO	变异级属性	DP=150;AF=0.45
FORMAT	样本级字段格式	GT:DP
样本列	每个样本的数据	0/1:72

为什么重要

VCF 是变异检测流程的输出交付格式，承载：

• 候选变异列表：SNPs、indels、结构变异
• 基因型信息：每个样本在每个变异位点的基因型（如 0/1 = 杂合）
• 质量指标：用于过滤低置信度调用
• 注释接口：可附加功能影响、临床意义等信息

关键认知：VCF 是统计推断结果，不是绝对真理。每个变异的可信度取决于：

• 比对质量（BAM 中的 MAPQ、碱基质量）
• Caller 算法（GATK、FreeBayes、samtools 使用不同模型）
• 过滤参数（QUAL 阈值、深度要求）

前置知识

• SAM/BAM/CRAM 格式
• 参考基因组、坐标系统与注释
• Small Variants 与结构变异

基因型编码

GT（Genotype）字段

基因型用数字编码表示等位基因组合：

GT	含义	说明
0/0	纯合参考	两个等位基因都是 REF
0/1	杂合	一个 REF，一个 ALT
1/1	纯合变异	两个等位基因都是 ALT
0/2	杂合（多等位基因）	REF + 第二个 ALT
./.	缺失基因型	无法确定

分隔符含义：

• /：未分相（unphased）——不知道两个等位基因的来源
• |：已分相（phased）——知道等位基因来自哪条染色体

示例：0|1 表示已分相的杂合基因型。

多等位基因位点

当同一位置有多个替代等位基因时：

REF=A  ALT=G,T
GT=1/2  →  携带 G 和 T 两个变异等位基因
GT=0/1  →  携带 A 和 G

INFO 字段常见属性

标签	类型	说明
DP	int	总测序深度
AF	float	等位基因频率（ALT reads / total reads）
AC	int	等位基因计数
AN	int	总等位基因数
MQ	float	平均比对质量
MQRankSum	float	参考 vs ALT 的 MAPQ 差异
ReadPosRankSum	float	参考 vs ALT 的 read 位置偏差
FS	float	Fisher 精确检验（链偏倚）
QD	float	质量值/深度比值

常见 FILTER 状态

状态	含义
PASS	通过所有过滤标准
LowQual	质量低于阈值
LowDP	深度不足
StrandBias	链偏倚显著
ClusteredEvents	变异聚集（可能为假阳性）

常见变异类型

类型	REF/ALT 特征	示例
SNP	单碱基 → 单碱基	REF=A, ALT=G
Insertion	单碱基 → 多碱基	REF=A, ALT=ATG
Deletion	多碱基 → 单碱基	REF=ATG, ALT=A
MNP	多碱基 → 多碱基	REF=AC, ALT=TG
Structural Variant	通常用特殊 INFO 标记	<DEL>, <DUP>

VCF vs BCF

维度	VCF	BCF
**格式**	文本	二进制
**可读性**	人类可读	需要工具解码
**文件大小**	较大	较小
**访问速度**	慢（顺序读取）	快（支持随机访问）
**典型用途**	最终报告、归档	分析中间格式、大规模处理

两者语义完全等价，可通过 bcftools 互相转换。

与真实工具或流程的连接

与真实工具或流程的连接

• 变异检测：GATK HaplotypeCaller、FreeBayes、samtools mpileup 输出 VCF
• 变异过滤：VQSR（GATK）、bcftools filter 根据 QUAL/INFO 字段过滤
• 变异注释：VEP（Ensembl）、ANNOVAR、SnpEff 添加功能影响和临床意义
• 可视化：IGV 使用 BAM + VCF 叠加显示变异证据

常见概念误区

常见误区

• **VCF = 最终结论**：VCF 是统计推断，QUAL 和 FILTER 字段反映置信度，需要结合上下文解释。
• **VCF 包含原始证据**：VCF 只保存聚合统计信息（DP、AF），不保存产生调用的 reads（需回查 BAM）。
• **PASS = 绝对可靠**：PASS 仅表示通过预设过滤标准，不代表生物学意义上一定是致病变异。
• **基因型 = 表型**：0/1 杂合不意味着一定会表现变异表型，需考虑显隐性、表达量等因素。
• **单样本 VCF 可直接比较**：不同样本的 VCF 需要在同一参考版本和 calling pipeline 下才可比较。

本章小结

• VCF 编码变异候选，是从比对层到变异解释层的抽象
• 核心字段定义变异位置（CHROM/POS/REF/ALT）、置信度（QUAL）、属性（INFO）和基因型（GT）
• VCF 是统计推断结果，依赖 caller 算法和过滤参数
• BCF 是二进制等价形式，适合高效处理

相关页面

上游格式

SAM/BAM/CRAM 格式

变异检测的证据来源——比对结果。

延伸阅读

应用层

DNA-seq 变异检测总览

查看 BAM → VCF 的完整变异检测流程。

延伸阅读

下游流程

变异过滤策略

如何使用 VCF 中的 QUAL/INFO 字段进行质量控制。

延伸阅读

临床变异解释

VCF 中的候选变异进入 ACMG 致病性分类流程。

延伸阅读