外觀
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 101-101 | 101-200 | end − start + 1 |
| 0-based 半開區間 | 100-101 | 100-200 | end − 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、bedGraph | VCF、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、pyBigWig | R、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 SNV | chr7 140753336 | chr7 140753335 140753336 |
| 一段 exon:第 1,001–1,050 個鹼基 | chr1:1001-1050 | chr1 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 1 | BED 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。