「何も出ていない」を、三つに振り分ける

調べたい多型の rsID で手元の結果を検索したのに、一件も出てこない。解読を進めていると、しょっちゅう起きます。

このとき二通りの読み方ができて、どちらに転ぶかで結論が正反対になります。

ファイルに載っているのは「違いのあった場所」だけ

VCF は、参照配列との差分の記録です。参照と同じだった場所は、原則として行が立ちません。

だから「載っていない」は、次のどちらでもありえます。

• そこは参照と同じだった（＝行が立たない）
• そこは十分に読まれていなかった（＝そもそも判断されていない）

ファイルの形式が、この二つを同じ「無」として表現してしまう。 ここが出発点です。

なお、読めた範囲を全部書き出す形式（gVCF と呼ばれます）もあります。手元のファイルがどちらなのかを、最初に確かめておきます。差分だけの形式なら、以下の手順が要ります。

二つの短絡を、どちらも避ける

ありがちな誤りが二つあり、方向が正反対です。

• ✗ 出ていない ＝ 変化なし
• ✗ 近くに何も出ていない ＝ 読めていない

一つ目は言うまでもありません。読めていない場所を「正常だった」と書いてしまう。

見落とされやすいのは二つ目のほうです。変異はそもそも疎にしか現れません。 一人のゲノムで参照と違う場所は数百万か所ありますが、ゲノム全体の長さで割ると、平均して数百から千塩基に一つという密度です。ある座位のすぐ隣に何も出ていないのは、まったく普通のことです。

ここを「読めていない」と扱うと、保留の山ができます。保留だらけの記録は、何も書いていないのとほとんど変わりません。

座位を決めてから、そこを見る

遺伝子単位ではなく、座位単位で見ます。

1. その多型の GRCh38 座標を確定する（rsID から引く）
2. その座標のごく近くに、実際にコールがあるかを見る
3. 近くにあるなら、その領域は読まれている
4. 近くに無ければ、見る窓を広げて、領域として読まれた形跡があるかを確認する
5. 広げても何も無ければ、そこは読めていない側に置く

窓をどこまで広げるかに、客観的な既定値はありません。だからこそ、自分で決めた幅を記録に残し、同じ幅で通すことが要ります。座位ごとに都合よく広げたり狭めたりすると、基準が自分の期待に合わせて動きます。

近くにコールがあった場合は、その事実も残します。「この座位の近くにコールがあり、その領域は読まれている」と書けるかどうかが、後から見たときの信頼の分かれ目になります。

三つ目の箱 —「この方式では読めない」

読めていない、とも少し違う箱があります。

• コピー数の違い（遺伝子まるごとの有無）
• 繰り返し配列の回数そのものが多型になっている場所
• ゲノム上によく似た配列が複数あって、断片の出どころを決められない領域
• 染色体の端や、性染色体どうしで共通の配列を持つ領域

これらは、深く読めば読めるという性質のものではありません。短い断片を並べる方式の守備範囲の外にあります。確かめたければ別の方法が要ります。

書き分ける

振り分けた結果は、三つの言葉になります。

• 「参照と同じだった」（何を根拠に確認したかを添える）
• 「読めていない」（どの範囲にコールが無かったかを添える）
• 「この方式では読めない」（確かめるなら何が要るかを添える）

この三つを一つの「該当なし」に潰さないこと。 潰した瞬間に、後から見た人には区別がつかなくなります。そして後から見る人は、たいてい自分です。

保留を既定にしない

最後に、逆向きの注意を一つ。

慎重を期して全部を「保留」にすると、それはそれで使えない記録になります。読めているものは、読めていると書く。手順を通した結果として「参照と同じだった」と言えるなら、そう書いてよいのです。

慎重さと、何も言わないことは違います。根拠を添えて言い切れる範囲を、少しずつ広げていく。 それが手順を持つということだと思っています。