XVCF：基因组实验VCF( Variant Call Format )数据的精美可视化( Exquisite Visualization of VCF Data from Genomic Experiments )

《SLAS Technology》：XVCF: Exquisite Visualization of VCF Data from Genomic Experiments

　　

背景：高通量基因组分析产生大规模VCF( Variant Call Format，变异调用格式 )文件，现有可视化工具多依赖命令行或脚本，缺乏友好图形用户界面( GUI )，制约非生物信息学背景研究人员的数据解读。方法：研究人员开发了基于R语言Shiny框架的交互式工具XVCF，整合vcfR与maftools包，实现VCF数据载入、汇总及质控指标( 读深DP、比对质量MQ、基因型GT、等位基因频率AF等 )可视化，第二模块支持ANNOVAR注释表转换为MAF( Mutation Annotation Format )格式进行癌症基因组分析( oncoplot、lollipop plot、Ti/Tv比、rainfall plot等 )。结果：XVCF提供免编程GUI，可从未注释VCF提取读深、比对质量、基因型、AF及质控摘要；癌症模块可生成突变概览、Top 10突变基因oncoplot、Ti/Tv( Transition/Transversion )图、基因棒棒糖图( lollipop plot )、rainfall plot及与TCGA( The Cancer Genome Atlas )队列突变负荷比较。XVCF可跨平台运行，支持未压缩及.gz压缩VCF，免费发布于https://github.com/rashidma/XVCF。结论：该工具兼顾种系( germline )与体细胞( somatic )变异可视化于同一界面，降低VCF数据可视化门槛，适合科研与教学用途。

论文解读：XVCF——基于R Shiny的VCF基因组变异数据交互式可视化工具

《SLAS Technology》刊载的此研究由Ghaida Almuneef、Abdulrhman Aljouie、Yahya Bokhari、Ahmed Almazroa及Mamoon Rashid（通讯兼课题负责人）完成，旨在解决下一代测序（NGS, Next-Generation Sequencing）产生的大规模VCF（Variant Call Format，变异调用格式）文件缺乏友好图形用户界面（GUI, Graphical User Interface）可视化工具的问题。现有工具如VCFtools、GEMINI多为命令行且偏向过滤而非可视化；VIVA依赖Jupyter Notebook及命令行；vcfR需R编程基础；VcfView仅限Mutect2生成的匹配癌/正常VCF；IGV（Integrative Genomics Viewer）侧重位点水平比对查看而非批量QC汇总。为此研究人员开发XVCF（eXquisite Visualization of VCF data），一个基于R Shiny的GUI应用，整合vcfR与maftools包，同时支持种系VCF质控可视化和ANNOVAR注释表格转化为MAF（Mutation Annotation Format）后的癌症基因组突变图谱绘制，经测试可在普通笔记本处理约110万变异位点的WGS VCF（294 MB）并在31.28 s内完成导入与摘要生成，用户满意度平均4.6/5分。该工具开源发布于GitHub（https://github.com/rashidma/XVCF），降低了非生物信息专业人员分析VCF数据的门槛。

关键技术方法：

研究人员采用R 4.2.1与Shiny 1.8.0及shinydashboard构建双模块Web应用。模块一调用vcfR（v1.15.0）读取原始或gzip压缩VCF文件，通过extract.gt()提取DP（Read Depth，读深）、GT（Genotype，基因型）、GQ（Genotype Quality，基因型质量）、AD（Allelic Depth，等位读深）字段计算AF（Allele Frequency，等位基因频率），利用chromoqc()与proc.chromR()生成染色体水平QC概要与直方图，支持小提琴图、箱线图、热图、条形图多种展示。模块二接受ANNOVAR注释的制表符分隔文件，通过maftools（v2.12.0）中annovarToMaf()转为MAF对象，read.maf()读入后可按用户输入样本数及AF过滤阈值富集体细胞突变，调用plotmafSummary()、oncoplot()、titv()、lollipopPlot()、rainfallPlot()、tcgaCompare()及OncogenicPathways()分别绘制综合突变概要、前十位突变基因热图、转换/颠换比、基因位点棒棒糖图、基因组突变间距雨滴图、TCGA队列突变负荷比较及致癌通路影响图。性能评估使用千人基因组计划（1000 Genomes Project）1号染色体衍生的不同样本量与变异数VCF在Intel Core i5-1035G1/8 GB RAM/Windows 11环境下测定加载时间与峰值内存。

研究结果：

3.1. The Shiny Application Interface Overview

研究人员展示了XVCF主界面，用户上传VCF或ANNOVAR注释表后可通过侧栏菜单切换各可视化选项卡，支持即时交互刷新而无须页面重载，证实GUI设计可直观呈现突变调用参数影响。

3.2. Summary of the VCF File

上传VCF后系统自动校验格式并展示：首六行FORMAT列示例、参考基因组信息、contig列表、样本数与名称、变异类型统计（SNP/Insertion/Deletion等）、定相（phasing）及注释状态，表明XVCF可快速判断VCF结构完整性以指导后续分析。

3.3. Interactive Plotting Functions

3.3.1. Visualization of Read Depth

从VCF FORMAT列提取DP字段，生成小提琴图、箱线图、热图（行为变异列为样本以色块示DP值）及条形图，可识别低覆盖度样本与异常离群值，验证工具能有效反映测序深度的分布特征。

3.3.2. Genotype Information and Quality Visualizations

提取GT字段绘制基因型分布矩阵（样本×变异显示0|0、0|1、1|1等），并绘制各样本平均GQ（Genotype Quality）柱状图，高GQ代表高可信度，该功能帮助定位可疑基因型质控问题。

3.3.3. Summaries on Margins and Quality Metrics

调用vcfR::chromoqc()生成多层概览图含变异发生数、MQ（Mapping Quality，比对质量）、DP、QUAL（Phred-scaled quality score）点散图，及对应直方图版，证明XVCF可一站式呈现核心测序质量指标分布。

3.3.4. Plots on Allele Frequency

基于AD字段用AD_frequency()计算次要等位频率，提供AF热图与AF箱线图（各样本均值），可用于辨别稀有与常见变异及跨样本AF一致性检查。

3.4. Cancer Genomics Data Visualizations Using maftools

3.4.1. Summary of Genes, Samples, and Metadata

输出getSampleSummary（各样本错义/无义/移码等突变类型计数及总突变数）、getGeneSummary（各基因累及样本数及突变总数）及临床数据表（若提供），确认ANNOVAR→MAF转换后信息完整保留。

3.4.2. Comprehensive Summary Plot

plotmafSummary()给出变异分类、样本分布、SNV（Single Nucleotide Variant）类别及Top 10突变基因柱状图，整体呈现肿瘤突变景观。

3.4.3. Heatmap of The Top Ten Mutated Genes

oncoplot()绘制前十位高频突变基因在样本中的突变类型分布，可选叠加临床注释（年龄/性别/分期等）。

3.4.4. Transition/Transversion (Ti/Tv) Ratio Plot

plotTiTv()展示转换与颠换比例，是评估体细胞突变呼叫质量的常用指标。

3.4.5. Visualization of Mutations with Lollipop Plot

lollipopPlot()针对用户选定基因（如KMT2C）标示突变在蛋白编码区的位置与频次，便于热点突变识别。

3.4.6. Rainfall Distribution Visualization

rainfallPlot()以相邻变异基因组间距对数坐标展示某样本突变簇集或超突变区域。

3.4.7. Comparison of Mutational Load with TCGA Cohorts

tcgaCompare()将研究队列总突变负荷与TCGA各癌种对照，提供相对肿瘤突变负荷参照。

3.4.8. Highlighting Impact on Oncogenic Pathways by Mutations

OncogenicPathways()列出受突变影响的已知致癌信号通路及涉及基因数。

3.5. Scalability and Usability Assessment of XVCF

3.5.1. Scalability of XVCF

以千人基因组1号染色体构建不同样本数和变异数的VCF测试，i5/8 GB机器可无报错处理最大~110万变异（294 MB）WGS VCF，导入与摘要耗时31.28 s，峰值内存随变异数与样本数增加，证明XVCF在常规桌面环境具可接受扩展性。

3.5.2. Usability Evaluation

非正式问卷平均总体满意度4.6/5分，表明GUI设计与操作流程被研究人员认可为易用。

讨论与结论（翻译浓缩）：

研究人员指出XVCF在同一系统中融合了种系VCF质控可视化与癌症体细胞突变MAF可视化两大功能，区别于仅支持单一数据类型或需命令行操作的既有工具。其基于R/Shiny的跨平台特性仅需安装R及相关包即可本地或服务器端部署，支持直接下载出版级高清图表与汇总表，并可整合临床元数据。局限性在于极大数据集处理效率仍有优化空间，未来计划扩展支持文件格式及增强交互性。结论为：XVCF为非生物信息背景研究人员提供了直观、开源、易安装的VCF与癌症基因组变异数据可视化与质控平台，填补了现有工具的GUI空白，有助于加速基因组数据的探索与解读。