人工VCF贯通变异分类与提取

更新：2026-10-14；状态：可用；验证范围：bcftools1.22与HTSlib1.22人工VCF/SAM案例已执行；真实检测性能及其他专业软件未实测。

用固定人工输入实际运行小变异调用、VCF标准化、类型/区域/样本提取与质量处理。

下载与第一次运行

从项目仓库 Code → Download ZIP，或直接下载ZIP，解压到同时含README.md、examples和scripts的根目录。进入目录的方法见R与Python路径文件与项目组织。

先按bcftools变异操作与表达式安装独立variants环境。在项目根目录的系统终端执行：

conda run -n variants python examples/variant_extraction_demo.py

已有能运行的bcftools及Python时也可直接python3 examples/variant_extraction_demo.py；非PATH工具用--bcftools "/你的实际路径/bcftools"。脚本需+fill-tags插件，基础代码只用Python标准库。

输入、输出与运行范围

examples/data/variants/保存固定人工参考及fai、calls.vcf、regions.bed、samples.txt、toy.sam。VCF有16条记录、3个样本；SAM有40条已人工构造的比对。脚本复制到输出目录后运行，原始输入不被改写。

输出在examples/output/variants/：标准化VCF及索引、各类提取VCF、掩蔽/重算结果、variants/cnv/str表、toy_called.vcf、summary.json和commands.json。重复运行覆盖输出同名文件。--input-dir与--output分别指定输入副本与独立输出，不能把输入目录当输出。

本机Linux、Python3.14.8、bcftools1.22/HTSlib1.22实际运行。Conda安装及所有操作系统未逐一实测；专业调用器未运行。人工SAM没有经过真实read mapper，不能当完整重测序基准。

核对结果

操作	本例实际结果
多等位拆分/标准化	16→17条；插入200左移至179
序列类型提取	SNV5、Indel3、MNV1
符号/标记集合	DEL/INV/DUP/CNV/STR/TE各1，BND2条对应1事件
接受FILTER	仅PASS15；PASS或未评估16
目标位置302	按记录跨度1条；仅POS命中0条
选择S01后再筛ALT携带	15条，排除该样本缺失与纯合参考记录
同一样本与跨样本质量表达式	16条与17条
人工SAM调用	chrToy:100 G→A，GT=0/1

这些筛选不是连续过滤的漏斗，而是从同一个输入回答不同问题。类型表按本例构造的分类统计；CNV、TE或STR在生物学上可与SV交叉，不能把本例分组当通用互斥分类法。

本例SNV选S01后AC/AN为1/2，旧AF仍可能为0.833333，重算后0.5。低质量样本掩蔽后仍保留记录。CN示例2/1/3与重复次数10/12等均为人工指定输入，不是从reads检测所得。

配图和继续练习

配图另需Matplotlib。按R包Python包与可复现环境建立.venv、安装教学依赖，然后在项目根目录执行.venv/bin/python examples/plot_variant_extraction.py。这里面向Linux/macOS或WSL；只运行基础案例不需要安装绘图库。

先复制输入目录到独立练习目录，再用--input-dir指向副本；把SNV的REF改成错误碱基，程序应停止，而不是自动修复。改samples.txt后需同步调整演示的固定结果断言；这是有预期真值的教学程序，不是任意生产VCF的通用包装器。

PAV状态整理另运行python3 examples/pav_matrix_demo.py，见PAV检测与存在缺失矩阵。详细操作由变异检测分型与提取学习路线连接。VCF案例源码，固定输入。