变异调用VCF做标准化，等价表示如何避免重复计数？

两个VCF文件报告同一段重复序列中的插入缺失，却写成不同位置和不同REF、ALT字符串。合并时若按行或位置直接计数，可能把等价变异算两次。投稿稿件写“已标准化VCF”还不够，应说明参考版本、具体操作和去重标准，使结果表中的变异数可复算。

先把每条VCF记录对应的参考组装和序列确定下来。检查VCF头中的参考信息、序列名、坐标体系和原始调用流程；不同组装的坐标不能直接规范化后合并。bcftools手册说明，norm在提供参考FASTA时可对插入缺失进行左对齐和标准化，并能检查REF与参考是否匹配。方法段要写明参考文件版本和校验、软件版本、采用的参数以及如何处理REF不匹配记录。不能把工具运行成功当成所有输入都合理。

接着区分左对齐、多等位拆分与重复删除。一个多等位位点拆成多行之后，记录数增加，并不等于发现了更多独立基因组位置；若把多行又按位点数统计，需明确“位点”“等位变异”与“样本携带次数”各自的分母。bcftools的重复移除选项可以按不同兼容条件处理，不能只写“去重”而不说明何种记录被视为重复。对重复序列中的等价表示，核对规范化前后是否仍指向同一事件。

每一步保留输入与输出计数：原始记录数、拆分后等位记录数、REF不符数、左对齐后位置变化数、去重后保留数。抽查几个发生变化的位点，用参考序列和附近上下文手算其等价表示。若两个样本在同一规范化位点有不同基因型，合并时不应把一个样本的记录覆盖另一个；去重对象可能是重复记录，而非重复观察者。

如果后续分析按变异位点计数，说明同一位点多个替代等位是否分别算；若按功能后果计数，一个变异可关联多个转录本，不能把注释行数误作变异数。图表里“独有变异”“共有变异”的判定，必须与方法段采用同一规范化键。若参考版本在分析中途更换，应先统一坐标和等位表示，再计算交集，不能只拿CHR和POS做集合比较。

投稿可附规范化脚本、命令日志、参考文件标识和几条前后对照记录。若受限数据不能公开，仍可提供不含个体身份的示例和汇总计数。让一位未参与合并的人按说明重算核心变异数，才算把“标准化”从口号变成可检查的方法。

一个实用的复核是从最终统计表选取三个在重复序列中的插入缺失，逆向找到标准化后的VCF行，再追到原始调用记录。如果两条原始记录合并为一条，保存合并规则；如果一个多等位记录拆成两条，说明两条如何进入位点层统计。这样可以防止脚本更新后数字悄然变化。

参考信息：bcftools官方手册与变异规范化示例。