LiftOver 基因组坐标变换

本文内容：

人类参考基因组不同版本之间基因坐标不同，进行研究时我们需要统一基因组坐标系，从一个版本的坐标系向另一个坐标系转换的过程就称之为liftover，UCSC，ensembl等为我们提供了便捷的工具，本文以 UCSC 的liftOver工具为例：

首先UCSC liftOver工具提供了即开即用的网页版：http://genome.ucsc.edu/cgi-bin/hgLiftOver

选择目标物种，新旧基因组版本，粘贴或上传原文件就可以开始liftover。

但更多时候我们需要使用命令行的工具，以下，本文主要介绍liftOver的命令行版本，下载地址：http://hgdownload.soe.ucsc.edu/downloads.html

下载完成后添加到环境路径中，并通过chmod +x 添加执行权限，然后在命令行中输入liftOver验证是否安装成功：（如果成功会有如下界面）

liftOver主要语法如下：

liftOver <输入文件> <chain文件> <输出文件> <unmapped文件>

input/output 可以使用bed格式文件，chain file 则需要我们根据转化前后的数据库在ucsc上下载，无法转换的条目则输出到unmapped文件里。

这里以hg19->hg38为例，进行liftover，首先下载hg19tohg38的chain文件，下载地址为： http://hgdownload.soe.ucsc.edu/downloads.html#source_downloads

点击hg19的liftover files后下载对应文件：

下载完成后不需解压即可开始使用：

liftOver input.bed hg19ToHg38.over.chain output.bed unmapped.txt

input.bed

就转换成了： output.bed

在进行LiftOver时，有一点需要我们注意，那就是文件中变异位点起始的编号，是基于0还是基于1的。

因为 UCSC 使用基于0的坐标系统，而 Ensembl 等使用基于1的坐标系统，不同工具切换时应该注意这一不同。

除此以外，一些文件格式是基于1的（GFF, SAM , VCF），而另一些是基于0的（BED，BAM），不同文件间转换时也需要注意。

基于0和基于1的坐标系统示可以理解为：

基于1的坐标系：对核苷酸直接编号。

基于0的坐标系：对两个核苷酸之间的间隙编号。

在表示单核苷酸或多个核苷酸变异时，

基于1的坐标系：直接使用变异位点的编号。

基于0的坐标系：变异两边的位置作为起止。

表示insert或deletion时，

基于1的坐标系：Deletion直接使用相应位点编号，insertion则是插入位置两边的核苷酸编号。

基于0的坐标系： Deletion 是插入位置两边的间隙编号表示， Insertions 则直接由插入间隙的编号表示。

基于1的坐标系与基于0的坐标系互相转换时，伪代码如下：

从基于0的坐标系向基于1的坐标系转换：

if (type=SNV){start=start+1; end=end;}
if (type=DEL){start=start+1; end=end;}
if (type=INS){start=start; end=end+1;}

从基于1的坐标系向基于0的坐标系转换：

if (type=SNV){start=start-1; end=end;}
if (type=DEL){start=start-1; end=end;}
if (type=INS){start=start; end=end-1;}

参考：