VCF文件的genotype(GT)为何会出现"."，而非常见的./.或.|.

今天处理一个客户的基因型数据，遇到了一个格式转化的问题。

我想将标准vcf转为某特定格式（类hapmap），之前基于pysam库写了一个比较成熟的脚本，运行了n年都没问题。

但这次出错如下：

    a,b = v['GT']
ValueError: not enough values to unpack (expected 2, got 1)

如果你直接去网上搜索该错误，会有一堆教程告诉你是因为文件中有多余的换行符或者编码错误，但事实并非如此。不如直接定位脚本，发现pysam中samples.iteritems方法错误，GT应该有两个等位基因才对。

        for sample,v in rec.samples.iteritems():
            a,b = v['GT']
            if a == None or b == None:
                gt = '-'
            else:
                gt = ''.join([alleles[a],alleles[b]])
            gts.append(gt)
        h.extend(gts)

根据结果，我debug到开始出错的那个位点，发现GT为“.”，而非我们常见的“./.”或“.|.”，因此pysam解析不了。但大多数缺失是我们常见的形式，因此我不明白为什么会出现这种情况。

网上查了下，似乎没有专门针对这个问题的答案。如果有朋友知道原因，请不吝赐教。我推测可能是某些软件（比如GATK）版本的问题。

我们知道，GATK3和GATK4有比较大的区别，而从 GATK 4.2.3.0 开始又有较大改动，比如缺失值的显示变为0了，而非之前版本的点。

当然我们可以通过DP属性等于0来和REF base做区分（比如bcftools即可处理），但总归要多处理一下，不太方便的。而官方宣称这样做是为了使其运行得更快、更高效，以进行大规模的joint calling。

图片来自官方：https://gatk.broadinstitute.org/hc/en-us/articles/6012243429531-GenotypeGVCFs-and-the-death-of-the-dot

版本更新导致文件格式不统一，这是个很痛苦的事情。所以小编建议，在正式数据分析之前，大家最好搞清楚上游软件版本，尤其是结果差异较大版本，以免发生不必要的错误。

当然，找到了错误的地方，我的问题很容易解决，写个代码统一下缺失值表示即可。如果你遇到类似的错误不会解决，可以找我要脚本。