安装snpEFF工具并对VCF文件进行注释【直播】我的基因组85

这个软件比较重要，尤其是对做遗传变异相关研究的，很多人做完了snp-calling后喜欢用ANNOVAR来进行注释，但是那个注释还是相对比较简单，只能得到该突变位点在基因的哪个区域，哪个基因这样的信息，如果想了解更具体一点，就需要更加功能化的软件了，snpEFF就是其中的佼佼者，而且是java平台软件，非常容易安装及使用！而且它的手册写的非常详细：http://snpeff.sourceforge.net/SnpEff_manual.html 官网是：http://snpeff.sourceforge.net/

软件安装

选择最新版软件下载：https://sourceforge.net/projects/snpeff/files/ 并解压即可使用。

1. wget https://sourceforge.net/projects/snpeff/files/snpEff_latest_core.zip

2. unzip snpEff_latest_core.zip

`

软件安装效果图如下：

snpEFF软件安装效果图

下载合适的数据库

查看数据库物种以及版本，并且下载合适自己的，比如我这个人类的WGS数据，比对用的是hg19，所以选择了

1. java -jar  ~/biosoft/SnpEff/snpEff/snpEff.jar  databases|grep GRCh

2. java -jar  ~/biosoft/SnpEff/snpEff/snpEff.jar  download GRCh37.75

PS: 有些时候软件的命令会出现下载失败的情况，但是会给出下载链接，可以自己用wget来下载，命令是 wget https://nchc.dl.sourceforge.net/project/snpeff/databases/v4_2/snpEff_v4_2_GRCh37.75.zip如果是自己下载，要保证解压后的data目录在snpEff目录。

人类的snpEffv42_GRCh37.75.zip这个也就663M，我一10M/S的下载速度，一杯咖啡的时间就下载完啦。

人类所有版本数据如下：

1. GRCh37.70                                                       Homo_sapiens                                                                                                http://downloads.sourceforge.net/project/snpeff/databases/v4_2/snpEff_v4_2_GRCh37.70.zip

2. GRCh37.75                                                       Homo_sapiens                                                                                                http://downloads.sourceforge.net/project/snpeff/databases/v4_2/snpEff_v4_2_GRCh37.75.zip

3. GRCh37.GTEX                                                     Homo_sapiens, Gencode 12, GTEX project                                                                      http://downloads.sourceforge.net/project/snpeff/databases/v4_2/snpEff_v4_2_GRCh37.GTEX.zip

4. GRCh38.81                                                       Homo_sapiens                                                                                                http://downloads.sourceforge.net/project/snpeff/databases/v4_2/snpEff_v4_2_GRCh38.81.zip

5. GRCh38.82                                                       Homo_sapiens                                                                                                http://downloads.sourceforge.net/project/snpeff/databases/v4_2/snpEff_v4_2_GRCh38.82.zip

6. GRCh38.p2.RefSeq                                                Human genome GRCh38 using RefSeq transcripts                                                                http://downloads.sourceforge.net/project/snpeff/databases/v4_2/snpEff_v4_2_GRCh38.p2.RefSeq.zip

下载解压后效果图如下：

snpEFF的GRCh37.75数据库效果图

所有的数据库文件都是在GRCh37.75那个文件夹下面，截图的其它文件是我下载的其它数据库，而且截图是2015年安装下载的数据库了，现在下载的是663M，之前只有642M，略微有一点点的区别

软件下载很快，但是数据库下载就需要一定时间啦，去喝杯咖啡吧。

PS:然后软件本身会提供example文件，里面就是一堆各种各样的vcf数据，而且还提供了运行的shell命令，非常简单(比如：examples.sh) , 可以直接测试并理解。

注释自己的数据

行也很简单： java -Xmx4G -jar snpEff.jar -i vcf -o vcf GRCh37.75 example.vcf >example_snpeff.vcf

指定输入输出格式都是vcf，然后指定刚才下载的必备数据库，然后输入输出文件即可！我的命令如下：

java -jar ~/biosoft/SnpEff/snpEff/snpEff.jar -i vcf GRCh37.75 hg19_exon.snp.vcf>hg19_exon.snp.snpEff.vcf

这里为了节省时间，我仅仅是对我位于外显子的vcf文件进行了注释，随便摘取其中一个位点的注释结果秀给大家看一看吧：

1. 1       1263362 rs4970433       G       A       1109.77 PASS    AC=1;AF=0.500;AN=2;BaseQRankSum=4.912;ClippingRankSum=-0.335;DB;DP=75;ExcessHet=3.0103;FS=3.074;MLEAC=1;MLEAF=0.500;MQ=60.00;MQRankSum=-1.133;QD=14.80;ReadPosRankSum=1.144;SOR=1.075;ANN=A|3_prime_UTR_variant|MODIFIER|GLTPD1|ENSG00000224051|transcript|ENST00000343938|protein_coding|3/3|c.*219G>A|||||219|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000540437|protein_coding||c.-6029C>T|||||3373|,A|upstream_gene_variant|MODIFIER|TAS1R3|ENSG00000169962|transcript|ENST00000339381|protein_coding||c.-3364G>A|||||3332|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000435064|protein_coding||c.-3374C>T|||||3291|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000323275|retained_intron||n.-3361C>T|||||3361|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000411962|protein_coding||c.-3374C>T|||||3309|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000421495|protein_coding||c.-14068C>T|||||3345|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000458452|nonsense_mediated_decay||c.-3374C>T|||||3332|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000419704|protein_coding||c.-3374C>T|||||3329|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000532772|nonsense_mediated_decay||c.-3374C>T|||||3354|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000450926|protein_coding||c.-3374C>T|||||3312|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000545578|protein_coding||c.-6948C>T|||||3345|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000527098|nonsense_mediated_decay||c.-3374C>T|||||3316|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000528879|nonsense_mediated_decay||c.-3374C>T|||||3334|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000434694|protein_coding||c.-3374C>T|||||3352|WARNING_TRANSCRIPT_INCOMPLETE,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000488042|retained_intron||n.-3353C>T|||||3353|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000526797|nonsense_mediated_decay||c.-3374C>T|||||3324|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000526332|protein_coding||c.-8630C>T|||||3322|WARNING_TRANSCRIPT_NO_STOP_CODON,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000430786|nonsense_mediated_decay||c.-3374C>T|||||3357|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000527719|protein_coding||c.-6029C>T|||||3311|WARNING_TRANSCRIPT_INCOMPLETE,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000530031|protein_coding||c.-3374C>T|||||3323|WARNING_TRANSCRIPT_INCOMPLETE,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000526113|retained_intron||n.-3345C>T|||||3345|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000526904|retained_intron||n.-3324C>T|||||3324|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000429572|retained_intron||n.-3316C>T|||||3316|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000498173|retained_intron||n.-3295C>T|||||3295|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000496353|retained_intron||n.-3371C>T|||||3371|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000493534|processed_transcript||n.-3324C>T|||||3324|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000534345|protein_coding||c.-3374C>T|||||3311|WARNING_TRANSCRIPT_INCOMPLETE,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000532952|processed_transcript||n.-3340C>T|||||3340|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000490853|processed_transcript||n.-3333C>T|||||3333|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000531019|nonsense_mediated_decay||c.-3374C>T|||||3322|,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000498476|protein_coding||c.-3374C>T|||||3322|WARNING_TRANSCRIPT_INCOMPLETE,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000470679|nonsense_mediated_decay||c.-3380C>T|||||3379|WARNING_TRANSCRIPT_NO_START_CODON,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000525285|nonsense_mediated_decay||c.-3371C>T|||||3369|WARNING_TRANSCRIPT_NO_START_CODON,A|upstream_gene_variant|MODIFIER|CPSF3L|ENSG00000127054|transcript|ENST00000530233|retained_intron||n.-3324C>T|||||3324|,A|downstream_gene_variant|MODIFIER|GLTPD1|ENSG00000224051|transcript|ENST00000488011|protein_coding||c.*511G>A|||||511|WARNING_TRANSCRIPT_INCOMPLETE,A|non_coding_exon_variant|MODIFIER|GLTPD1|ENSG00000224051|transcript|ENST00000464957|processed_transcript|2/2|n.1089G>A||||||

2.      GT:AD:DP:GQ:PL  0/1:34,41:75:99:1138,0,787

结果解读：

可以看到这个结果非常复杂，对结果理解了多少，就是我们对软件理解了多少。

具体大家看readme吧，注释信息太多了，而且我觉得有点冗余了，大家按需索取：

1. 1. chromosome_number_variation

2. 2. exon_loss_variant

3. 3. frameshift_variant

4. 4. stop_gained

5. 5. stop_lost

6. 6. start_lost

7. 7. splice_acceptor_variant

8. 8. splice_donor_variant

9. 9. rare_amino_acid_variant

10. 10. missense_variant

11. 11. inframe_insertion

12. 12. disruptive_inframe_insertion

13. 13. inframe_deletion

14. 14. disruptive_inframe_deletion

15. 15. 5_prime_UTR_truncation+exon_loss_variant

16. 16. 3_prime_UTR_truncation+exon_loss

17. 17. splice_branch_variant

18. 18. splice_region_variant

19. 19. splice_branch_variant

20. 20. stop_retained_variant

21. 21. initiator_codon_variant

22. 22. synonymous_variant

23. 23. initiator_codon_variant+non_canonical_start_codon

24. 24. stop_retained_variant

25. 25. coding_sequence_variant

26. 26. 5_prime_UTR_variant

27. 27. 3_prime_UTR_variant

28. 28. 5_prime_UTR_premature_start_codon_gain_variant

29. 29. upstream_gene_variant

30. 30. downstream_gene_variant

31. 31. TF_binding_site_variant

32. 32. regulatory_region_variant

33. 33. miRNA

34. 34. custom

35. 35. sequence_feature

36. 36. conserved_intron_variant

37. 37. intron_variant

38. 38. intragenic_variant

39. 39. conserved_intergenic_variant

40. 40. intergenic_region

41. 41. coding_sequence_variant

42. 42. non_coding_exon_variant

43. 43. nc_transcript_variant

44. 44. gene_variant

45. 45. chromosome

官方说明书见：http://snpeff.sourceforge.net/VCFannotationformat_v1.0.pdf

猜你喜欢

菜鸟入门

数据分析

编程实践

直播基因组分析

生信技能树