基因组坐标与区间

更新：2026-10-14；状态：可用；验证范围：坐标例子核算；外部工具未在本机运行。

坐标必须同时带有参考版本、序列名和端点规则，格式转换不能只改文件扩展名。

相同数字为什么会指向不同碱基

BED 常用 0-based、左闭右开区间 [start,end)：chr1 9 10 表示第 10 个碱基，长度是 end−start=1。GFF/GTF 常用 1-based、两端闭合区间；同一个碱基为 10 10。VCF 的 POS 是 1-based，表示该记录参考等位基因的起始位置，见VCF与基因型编码。

对普通单碱基 SNP，POS=10 可以转成 BED 的 [9,10)。含插入、缺失、符号等位基因的记录还涉及锚定碱基和变异语义，不能把所有 VCF 都当作一个长度为 1 的区间处理。

区间运算要检查什么

交集回答两个区域是否共享位置，并不证明功能关联。相邻的 BED [0,10) 与 [10,20) 没有共享碱基；如果希望按距离关联，要另行定义距离门槛。负链基因仍使用较小坐标作起点、较大坐标作终点，链方向是独立字段。

先核对参考基因组与注释版本，再统一 chr1 与 1 等命名。不同组装版本的数字坐标不能直接相交；坐标转换还可能出现失败、多重对应或等位基因不匹配。

纸面练习

给出 A=[9,20)、B=[19,25)、C=[20,21)，A与B共享 1 个碱基，A与C不相交。用这个例子检查你使用的区间工具。真实注释同时保存未匹配记录数、多个命中的处理规则和染色体顺序，而不是只查看匹配成功的几行。

深入：bedtools格式说明、HTS格式规范。

基因模型和边界验证

GFF3GTF与基因转录本外显子使用1起始闭区间，转换到BED时起点减1、终点保留；仅限于已定义的区间语义。插入锚点和复杂SV需要另行定义。

bedtools区间操作与坐标验证实际检查单碱基边界、并列最近与exon重复命中；正负链坐标与转录方向解释为什么负链cDNA替换与VCF方向可能不同。