基因组的坐标系统：0-based and 1-based

这是我对 Yixf's blog 文章的一个学习总结。

20170330 在查看UCSC上的文件格式的资料时，我看到UCSC对不同的坐标系也有介绍，可参考！

这是一个很惨痛的教训，因为我之前想当然地认为。基因组的坐标系统是这样的：

序列	A	T	G	C	A
编号	1	2	3	4	5

但是其实这里是有两套系统的。我们先看生活中的一个例子

楼层问题

第一层楼的高度是多少？ 我们中国一般认为就是0。但是也有人把我们第二层所在的楼叫做第一层。

基因组坐标

在生物学的基因组坐标的表示中，有两种方法：一种是大家比较容易理解的全包含的1-based（one-based, fully-closed），如[start, end]；另一种是容易引起迷惑但却常用而且易用的半包含的0-based（zero-based, half-open），如[start, end)。下面仅根据我的理解通过一个简单的例子来说明一下。至于这两种方法的详细区别以及各自的优缺点，请参考后面给出的链接。

Sequence：ATGC
1-Index：1234
0-Index：0123

其中TG的坐标位置如何表示呢？

1-based：[2,3]
0-based：[1,3)

还有一种不同的（真正的？）解释方法如下：

基因组坐标系统

我们常用的数据格式及数据库中，那些使用的1-based，那些使用的0-based？

UCSC的Tables使用的是0-based；
UCSC的Genome Browser使用的是1-based；
NCBI的dbSNP使用的是0-based；
BED、BAM格式使用的是0-based；
但是SAM格式是1-based;
VCF、GFF格式使用的是1-based。

关于 wig 、bigWig 和bedgraph 文件的格式

生信菜鸟 中有一些相关的论述。

这里我记载一下一些重要的结论： wig和bedgraph 还有bed文件是 0-based； Bigwig文件是 1-based