وش معنى PASS أو LowQual في عمود FILTER بملف VCF للجينوم الكامل؟
PASS يعني إن فلاتر برنامج الاستدعاء اشتغلت والمتغير عدّاها، والنقطة تعني ما صار فيه فلترة، وأي اسم ثاني معرّف في أسطر ##FILTER داخل ملفك.
إذا فتحت ملف VCF ولقيت في عمود FILTER كلمة PASS، فمعناها إن برنامج استدعاء المتغيرات (variant caller) طبّق فلاتره وهالمتغير عدّاها كلها. النقطة تعني إنه ما انعملت أي فلترة، وأي اسم ثاني هو اسم فلتر فشل فيه المتغير، ومعرّف في أسطر ##FILTER اللي في رأس الملف نفسه. التسمية اللي مو PASS هي إشارة لمدى دعم القراءات التسلسلية (sequencing reads) لهالاستدعاء، وما تقول أي شي عن صحتك. في أغلب الاستخدامات اعتبر LowQual وغيرها من الاستدعاءات اللي مو PASS غير موثوقة واستبعدها، بس لا تحذف أي وحدة منها كذا بدون انتباه إذا طلعت في جين يهمك.
| قيمة FILTER | وش معناها | وش تسوي |
|---|---|---|
| PASS | الفلترة انعملت والموقع عدّى كل الفلاتر | معقول تحتفظ فيه. بس برضو مو تأكيد. |
| . | ما تطبّقت أي فلترة على هالسجل. في gVCF، الكتل المرجعية غالبًا تبين نقطة بعد. | شيّك على QUAL، وعلى GQ وDP لكل عينة، بنفسك. |
| اسم فلتر مثل LowQual | الموقع فشل في الفلتر المذكور | غالبًا اعتبره غير موثوق واستبعده. دقّق أكثر إذا كان في جين يهمك. |
Scroll the table sideways for the rest →
دليل تقريبي. أسطر ##FILTER في ملفك هي اللي تعرّف أي فلتر له اسم.
عمود FILTER له ثلاث حالات: PASS أو نقطة أو اسم فلتر فشل
FILTER هو العمود السابع، بعد CHROM وPOS وID وREF وALT وQUAL. مواصفات VCF تعطيه ثلاث حالات بالضبط. PASS: الفلترة انعملت والموقع عدّى كل الفلاتر. النقطة: الفلترة ما تطبّقت على هالسجل. أي شي ثاني: قائمة بأسماء الفلاتر اللي فشل فيها الموقع، مفصولة بفاصلة منقوطة، يعني ممكن متغير واحد يحمل تسميتين مع بعض.
الأسماء مو موحّدة. اللي بنى خط المعالجة (pipeline) هو اللي اختارها، والملف نفسه يشرحها. عشان كذا LowQual في ملف وVQSRTrancheSNP99.90to99.95 في ملف ثاني كلها معناها متغير فشل في اختبار جودة، بس بصياغة مختلفة.
النقطة مو معناها إنه عدّى
النقطة ما تعني إن الوضع زين. تعني إن محد فحص. المخرجات الخام من برنامج الاستدعاء قبل أي خطوة فلترة غالبًا فيها نقطة في كل سطر، والمتغيرات فيها تتراوح من ثابتة تمامًا إلى ضجيج صافي.
إذا ملفك كله نقاط، فعمود FILTER ما عنده شي يقوله لك، فشوف هالحقول بدالها:
- QUAL، العمود السادس، وهو ثقة برنامج الاستدعاء إن فيه متغير موجود في هالموقع.
- GQ، جودة النمط الجيني لكل عينة، وDP، عمق القراءة لكل عينة. الاثنين موجودين في عمود FORMAT وعمود العينة اللي بعده.
تقدر تطلعها بالأمر bcftools query -f '%CHROM\t%POS\t%QUAL[\t%GQ\t%DP]\n' my.vcf.gz. من القواعد التقريبية الشائعة إن GQ يكون 20 على الأقل وDP يكون 10 على الأقل. هذي تقديرات تقريبية، مو معايير. الحدود المعقولة تعتمد على عمق التسلسل في جينومك وعلى الغرض اللي تستخدم فيه الاستدعاءات.
وPASS بعد مو تأكيد. معناها إن المتغير عدّى الحدود اللي حطها أحد. والحدود هذي حل وسط بين إنك تفوّت متغيرات حقيقية وإنك تحتفظ بمتغيرات غلط.
كيف تعرف وش معنى التسميات اللي في ملفك
الملف يعرّف مفرداته بنفسه، فاسأل الملف.
- اطبع التعريفات:
zcat my.vcf.gz | grep '^##FILTER'(شيلzcatإذا الملف .vcf غير مضغوط). كل سطر فيه ID وDescription. - عِد اللي عندك فعلًا:
bcftools query -f '%FILTER\n' my.vcf.gz | sort | uniq -c. في الملف المفلتر العادي PASS هو الغالب والباقي قائمة قصيرة. - اعرف برنامج الاستدعاء: الأسطر اللي تبدأ بـ
##sourceأو##GATKCommandLineغالبًا تذكر اسم البرنامج وإصداره، وهذا يعطيك فكرة عن نظام الفلاتر اللي تتوقعه. - خلّ الاستدعاءات اللي عدّت بس لما تحتاج:
bcftools view -f PASS,. my.vcf.gz. فكّر قبل لا تشغّله هل تبي النقاط تدخل أو تطلع.
إذا ظهرت تسمية في العمود 7 بس ما لها سطر ##FILTER، فرأس الملف ناقص. هذي مشكلة في الملف، مو شي يخصك.
حقول FT لكل عينة وملفات gVCF
العمود 7 مو المكان الوحيد اللي ممكن تكون فيه حالة الفلتر. حقل FT لكل عينة في عمود FORMAT ممكن يحمل حالة فلتر خاصة بالنمط الجيني لهالعينة، منفصلة عن عمود FILTER. ممكن السطر يبين PASS في العمود 7 وFT حق العينة يقول غير كذا، فشيّك على FORMAT إذا الحقل موجود.
إذا ملفك gVCF، فهو كمان فيه كتل مرجعية (reference blocks) توصف مقاطع ما انشاف فيها أي متغير. GATK يعلّمها بـ <NON_REF>، بينما ملفات gVCF من DeepVariant وbcftools تستخدم <*> بدالها. عمود FILTER فيها غالبًا نقطة. وهذا طبيعي في gVCF وما يعني إن هالكتل متغيرات ما انفحصت. شيّك هل اسم ملفك ينتهي بـ .g.vcf.gz أو عمود ALT يبين <NON_REF> أو <*>.
ليش الأسماء تختلف من برنامج لبرنامج
كل برنامج يسأل أسئلة مختلفة، فالإخفاقات تطلع بأسماء مختلفة.
| التسمية | وين تشوفها | وش معناها |
|---|---|---|
| LowQual | مخرجات على طريقة GATK | QUAL حق الموقع كانت تحت حد الاستدعاء |
| VQSRTrancheSNP99.90to99.95 | GATK مع VQSR | الموقع وقع في شريحة فوق حد الحساسية المختار، فاعتُبر فاشل. الحدود تتبع قائمة الشرائح في خط المعالجة. |
| QD2 (اسم كمثال، وخط المعالجة عندك ممكن يختلف) | خطوط المعالجة اللي تستخدم فلاتر صلبة | قيمة الجودة مقابل العمق نزلت تحت الحد اللي حطه خط المعالجة، ففشل الموقع |
| RefCall | DeepVariant | النموذج قرر إن النمط الجيني مرجعي، يعني ما فيه متغير |
Scroll the table sideways for the rest →
القائمة فيها بس الإخفاقات اللي لها أسماء. الأسماء تعتمد على خط المعالجة، فشيّك على أسطر ##FILTER في ملفك.
خطوط المعالجة على طريقة GATK تطلع LowQual لما تكون QUAL حق الموقع، يعني الثقة إن فيه متغير فعلًا، تحت حد الاستدعاء. الأدلة الضعيفة، مثل العمق المنخفض أو غموض محاذاة القراءات (read mapping)، سبب شائع إن QUAL تطلع منخفضة. LowQual ما تمسك الأخطاء التقنية المرتبطة بنمط الشريط (strand-pattern artefacts). هذي تتعامل معها فلاتر توصيف (annotation filters) منفصلة على قيم مثل FS وSOR، تنطبق إما كفلاتر صلبة (hard filters) أو عن طريق VQSR.
خطوط GATK ممكن كمان تطلع تسميات شرائح VQSR (tranches). VQSR يعطي كل متغير درجة باستخدام نموذج متدرب على مواقع معروف إنها صحيحة، بعدين يقسم القائمة إلى شرائح حسب مستوى الحساسية. أنت تختار حد حساسية، وكل شريحة فوق هالحد تعتبر فاشلة. حدود الشرائح تجي من قائمة الشرائح اللي انشغل فيها خط المعالجة، فممكن ملفك يبين VQSRTrancheSNP99.90to100.00 بدل التقسيم عند 99.95. ولا وحدة منهم علامة إن فيه شي غلط. مثلًا، مع حد 99.9 وتقسيم عند 99.95، ممكن الملف يحمل VQSRTrancheSNP99.90to99.95 وVQSRTrancheSNP99.95to100.00 مع بعض. المتغيرات اللي داخل الحد تتعلّم PASS وما يكون لها اسم شريحة. خطوط المعالجة اللي تستخدم فلاتر صلبة بدال كذا تخترع أسماءها الخاصة، وغالبًا تكون مبنية من التوصيف والحد، شي مثل QD2 لقطع على الجودة مقابل العمق (quality-by-depth).
DeepVariant هو الشاذ بينهم. تسميته RefCall معناها إن النموذج شاف موقع القراءات فيه تختلف عن المرجع، بعدين قرر إن نمطك الجيني هناك متماثل مع المرجع (homozygous reference). سطر RefCall يسجّل استدعاء بعدم وجود متغير، مو متغير فشل.
هل أتجاهل المتغيرات اللي عليها LowQual؟
في التفسير، غالبًا إيه، والآلية توضح ليش. LowQual معناها إن ثقة المتغير في الموقع نزلت تحت حد الاستدعاء، وغالبًا لأن الأدلة كانت ضعيفة: عمق منخفض أو محاذاة غامضة. جينوم الإنسان يختلف عن المرجع في حوالي 4 إلى 5 ملايين موقع، والمشكلة تتركز في الأماكن اللي يصعب فيها تحديد مكان القراءات، في المقاطع المتكررة. استدعاء هناك بدعم ضعيف احتمال إنه خطأ تقني (artefact) أكبر بكثير من إنه اكتشاف.
بس غالبًا مو دايمًا. متغيرات حقيقية تفشل في الفلاتر، خصوصًا في المناطق الصعبة، واستدعاء PASS ممكن يكون غلط برضو. إذا متغير واحد مو PASS موجود في جين يهمك، أول شي شوف عمق القراءة (DP) وتوازن الأليلات (AD) بالأمر bcftools query -r chr1:123456 -f '%CHROM\t%POS\t%REF\t%ALT\t%FILTER[\t%DP\t%AD]\n' my.vcf.gz، وبدّل chr1:123456 بموقع المتغير (الملف يحتاج فهرس index، وأسماء الكروموسومات ممكن تكون مكتوبة بدون chr). إذا DP منخفض جدًا، أو AD يبين إن قراءات قليلة بس تدعم الأليل البديل، فهذا يدل على استدعاء ضعيف. بعدها، مهما شفت، لا تستنتج معنى للمتغير من الملف لحاله. اسأل خدمة وراثة طبية (clinical genetics) إذا يستاهل تأكيده بفحص بمستوى سريري.
تسمية مو PASS تقول لك قد إيش تثق في الاستدعاء. وما تقول لك أي شي عن وش يعني المتغير لو كان حقيقي.
النتيجة النظيفة عمرها ما تعني إنك سليم تمامًا
فحص ملف VCF بحثًا عن متغيرات أمراض معروفة يقدر يلقى بس اللي موجود في الملف وفي القائمة المرجعية. فيه أشياء برا هالنطاق. الاستدعاءات اللي مو PASS ممكن تكون انحذفت، ومنها استدعاءات صحيحة. التسلسل بالقراءات القصيرة (short-read) ضعيف في التغيرات التركيبية الكبيرة وتوسّعات التكرار (repeat expansions). وملف VCF العادي غالبًا يذكر بس المواقع اللي تختلف عن المرجع، فغياب متغير ممكن يعني إنك تحمل النسخة المرجعية أو ممكن يعني إن الموقع ما انغطى بشكل كافي عشان نعرف. والملف ما يقول أي وحدة فيهم.
والمتغير اللي مو موجود في ClinVar مو معناه إنه ثبت إنه غير ضار، هو بس غير مصنّف. فالنتيجة النظيفة معناها إنه ما انستدعى أي متغير من هالنوع، وهذا كلام أضيق من إنك خالي من المرض.

خطوات تنزيل ملف الجينوم الكامل داخل الصفحة نفسها.

باختصار: وش يستاهل تسوي له شي.
إذا تبي تشوف وش في ملفك، أداة DNA المجانية من HealthOSX تقرأ ملف VCF للجينوم الكامل (.vcf أو .vcf.gz) داخل متصفحك وتفحصه مقابل ClinVar بحثًا عن المتغيرات الممرضة والمحتمل إنها ممرضة. وكمان تعطيك تقارير عن الصفات، والاستجابة للأدوية، والنتائج المتعلقة بحمل الأمراض الوراثية، مع تحليل اختياري للأصول. فيه حد موثّق واحد مهم لملفات خطوط المعالجة الخام. ملف VCF بدون rsIDs، مثل مخرجات GATK أو Sentieon الخام اللي يكون فيها عمود ID نقطة، يشتغل للأصول على إحداثيات GRCh37 بس ما يقدر يطلع النتائج الصحية. HealthOSX ما توثّق كيف فحصها يتعامل مع الاستدعاءات اللي مو PASS، فأي نتيجة على سطر LowQual تستاهل نفس الحذر اللي فوق. اقرأ نتائجها على إنها كلام عن اللي انستدعى في ملفك، مع القيود اللي فوق.
جديد على ملفات DNA الخام؟ ابدأ بالدليل الكامل: كيف تحلل ملف 23andMe الخام مجانًا
كتابة
فريق أبحاث HealthOSX