01

—

2019 年 3 月 27 日，Bioinforamtics 杂志上在线发表了由 Verily 生命科学公司、Google 公司和卡耐基·梅隆大学的学者完成的 GenomeWarp 工具，是一个基于 alignment 的变异数据坐标转换工具。GenomeWarp 相比于其它同类软件的优势在于可以精确转换 gVCF 格式的文件。

02

—

大家在使用 GATK 时可能会注意到，GATK HaplotypeCaller 是可以输出 Genome VCF (gVCF) 格式的变异数据文件的。GATK 也集成了很多处理 gVCF 格式的文件的工具。gVCF 格式与 VCF 格式的关键区别在于 gVCF 包含所有位点的记录，也就是既包括存在变异的位点，也包括不存在变异的位点。这样做的目的是为了方便后续的群体分析（方便合并不同批次获得的变异数据）。gVCF 格式还包含每一个位点与参考基因组序列相同的可信度。两者的差异也如下图所示，可以看出 gVCF 多出很多 non-var block records。

(https://gatkforums.broadinstitute.org/gatk/discussion/4017/what-is-a-gvcf-and-how-is-it-different-from-a-regular-vcf）

03

—

在基因组学研究的过程中，参考基因组会不断改进，以纠正错误或填补 gap。对于通过旧版本的参考基因组获得变异数据文件，往往需要转换坐标以反映新的基因组组装。目前已经存在很多坐标转换的工具，比如 UCSC LiftOver 和 CrossMap。这些工具支持多种格式的转换，包括 BAM、BED、BigWig、GFF、GTF、SAM、Wiggle 和 VCF。但都不支持精确地转换 gVCF 格式。

这篇论文报道的 GenomeWarp 软件可以在不同的基因组版本之间高效地转换变异数据。GenomeWarp 以一种保守的方式转换数据，以减少假阳性和阴性变异。作者用一组人类基因组的数据做了测试，将参考基因组 GRCh37 转换为 GRCh38，结果发现超过 99.9% 地区域可以成功转换。同时 GenomeWarp 对计算资源的消耗并不大，速度也比较快。下图为 GenomeWarp 在不同 assemblies 之间转换坐标的算法示例。

04

—

GenomeWarp 的源代码地址为：https://github.com/verilylifesciences/genomewarp。软件由 Java 编写，可以跨平台运行。

GenomeWarp 的运行需要以下五个文件：

1. 一个 BED 文件定义 query assembly 的可信区域；

2. 一个 VCF 文件包含 query assembly 中的变异数据（可信区域外的变异数据会被忽略掉）；

3. 一个 FASTA 格式的 query assembly 的序列；

4. 一个 FASTA 格式的 target assembly 的序列；

5. 一个 Chain 格式的从 query assembly 到 target assembly 的坐标转换情况。

GenomeWarp 运行的命令如下：

参考文献：

1. McLean CY, Hwang Y, Poplin R, DePristo MA. GenomeWarp: an alignment-based variant coordinate transformation. Bioinforamtics, 2019, btz218. https://doi.org/10.1093/bioinformatics/btz218