Skip to content

基因體學 › 檔案格式 › 座標系統

座標系統:0-based vs 1-based (Coordinate Systems) ​

不同格式與工具對「第一個鹼基是 0 還是 1」、「終點含不含」的約定不同,差一個鹼基 (off-by-one) 是註解錯誤最常見的來源。

兩種系統 ​

text
序列:        A   C   G   T   A
1-based:     1   2   3   4   5        「第 2–4 個鹼基」= 2-4(含頭尾)
0-based:   0   1   2   3   4   5      「第 2–4 個鹼基」= [1, 4)(含起點、不含終點)
系統單一鹼基(第 101 個)區間(第 101–200 個)長度
1-based 閉區間101 或 101-101101-200end − start + 1
0-based 半開區間100-101100-200end − start

轉換:1-based → 0-based 半開:start − 1、end 不變;反向:start + 1、end 不變。

各格式 / 工具的約定 ​

0-based 半開1-based 閉區間
BED、bigBed、bedGraphVCF、SAM(POS)、GTF / GFF
BAM 內部的二進位欄位HGVS 命名(c.68_69del)、Ensembl / NCBI 網站
UCSC 資料庫表格(*.txt.gz)UCSC Genome Browser 網頁顯示
Python 切片 seq[100:200]、pysam、pyBigWigR、Bioconductor(GRanges、IRanges)
sambamba depth 輸出samtools depth / samtools faidx ref.fa chr1:101-200

UCSC 的陷阱:網頁上顯示 1-based,但下載的資料表與 BED 是 0-based。從 Table Browser 存出的區間與網頁上看到的起點差 1。

範例 ​

描述VCF / 網頁(1-based)BED(0-based)
chr7 第 140,753,336 個鹼基的 SNVchr7 140753336chr7 140753335 140753336
一段 exon:第 1,001–1,050 個鹼基chr1:1001-1050chr1 1000 1050
插入位點(兩個鹼基之間)以前一個鹼基表示長度 0 的區間:chr1 1000 1000

常見錯誤 ​

錯誤後果避免方式
VCF 位置直接當 BED 起點區間往右偏 1BED 起點 = POS − 1
自己用 read.table() 讀 BED 建 GRanges起點差 1用 rtracklayer::import(),或 start + 1
Python 切片當 1-based少取或多取一個鹼基記住切片是 0-based 半開
不同基因體版本混用差幾千到幾百萬個鹼基,不只 1檢查 hg19 / hg38,見 參考基因組

bedtools、bcftools 讀不同格式時會自動處理;手動轉檔或寫程式時最容易出錯。參考:One-based vs zero-based、UCSC 說明。