手动修改VCF的FORMAT字段：将GT改为DS是否技术合规？

问题背景 #

你的VCF文件FORMAT字段标注为GT，但实际存储的是剂量（DS）数据，导入软件时触发以下解析错误：

Exception in thread "main" java.lang.IllegalArgumentException: VCF record format error: 1       131079320     BHD0100437271      G       A       .       PASS    .       GT
at vcf.VcfRecGTParser.ninthTabPos(VcfRecGTParser.java:87)
at vcf.VcfHeader.isDiploid(VcfHeader.java:73)
at vcf.RefIt.<init>(RefIt.java:130)
at vcf.RefIt.create(RefIt.java:97)
at vcf.RefTargSlidingWindow.refIt(RefTargSlidingWindow.java:122)
at vcf.RefTargSlidingWindow.<init>(RefTargSlidingWindow.java:81)
at vcf.RefTargSlidingWindow.instance(RefTargSlidingWindow.java:70)
at main.Main.slidingWindow(Main.java:129)
at main.Main.main(Main.java:107)

报错核心原因是：软件预期GT字段对应离散基因型数据（如0/0、1/1这类格式），但实际存储的是连续剂量值，导致解析逻辑冲突。

两种修改方案的技术正确性 #

• 修改为DS：技术上完全合规。DS是VCF规范中专门用于存储等位基因剂量的字段，定义为浮点型数值（通常范围0-2），完全匹配你当前存储的数据格式。修改后，只要样本列的数值是合法剂量值，支持DS字段的软件即可正常解析。
• 修改为GT:DS：不可行，除非你能补充真实的GT基因型数据。GT字段要求对应离散的基因型信息，你当前文件中无真实GT数据，强行添加GT到FORMAT字段会让软件期望找到对应的基因型值，反而引发新的格式错误。

额外优化建议 #

修改FORMAT字段后，建议同步更新VCF文件的头部信息，添加DS字段的标准定义：

##FORMAT=<ID=DS,Number=1,Type=Float,Description="Dosage: estimated allele dosage">

这能让软件明确识别DS字段的类型和含义，避免后续可能的解析异常。

内容的提问来源于stack exchange，提问作者Maya_Cent