如何从千人基因组网站下载数据并据此选tag SNP？

由于HapMap网站关闭，许多网上流传的选择tagSNP的方法不能用了，但是还有千人基因组网站的数据能用，本文详述如何从千人基因组网站下载某个区段的位点信息并导入Haploview来选择tagSNP。

1、VCF to PED Converter 是千人基因组网站自带的将vcf转换为HapMap格式的在线工具，数据现在可以不用下载，直接输入基因的位置信息就可以转换了，但是使用前要注册下。

VCF to PED Converter: http://www.internationalgenome.org/vcf-ped-converter#online-version

Paste_Image.png

2、以COMT基因为例，打开http://grch37.ensembl.org/Homo_sapiens/Info/Index，输入基因名，点击Go后进入COMT的信息界面，会出现此基因在染色体上的位置。将此信息复制到VCF to PED Converter界面里。

Paste_Image.png

Paste_Image.png

• 注意这一步让倒计时跑完，自动进入页面

  
  
  

  Paste_Image.png

Paste_Image.png

• 将此页面信息都填写完整

  
  
  

  Paste_Image.png

• 点击run后等待刷新完毕（refresh）

  
  
  

  Paste_Image.png

• 跑完就显示done, 点击查看结果

  
  
  

  Paste_Image.png
• 下载ped和info文件

Paste_Image.png

• 解压这两个文件放入同一文件夹

Paste_Image.png

• 打开Haploview，输入文件，同名可以自动识别这两个文件，只用输入一个。

• 提示more than two alleles at marker 64, 去文件里删除这个位点还是不行，不知道咋回事。一般0=missing,1=A, 2=C, 3=G, 4=T。换成FMO1基因就可以导入。

  
  
  

Paste_Image.png

• 一般r2>0.8认为一个位点可以代表另外一个，这两个位点是高度连锁的，点击run tagger。

  
  
  

  Paste_Image.png

• 结果说明82个位点可以100%覆盖这个基因，如果不需要这么多位点，可以把外显子上的挑出来，降低覆盖度。

  
  
  

  Paste_Image.png
• 直接在选择的位点后面选force include, 再run后会发现Haploview给出了这几个位点的覆盖度，只有9%。

Paste_Image.png

方法二：

有些基因下载的文件导入haploview会报错，经过研究发现另一种手动的方法也可以(๑◡๑)。

1. 打开http://grch37.ensembl.org/index.html网站，输入基因名，如下：
   
   

   image.png
   
   选择go，选第一个，就是我们要的基因了
   
   

   image.png
   
   可以看出左边几乎列出了所有的基因相关信息！我们选variant table,就可以把所有的SNP列出来啦！
   
   

   image.png
   
   我只选了MAF在0.05-0.5（tag SNP 一般选common的位点）之间的位于外显子上的位点，可以看出只剩下4个了，但是这4个竟然是同一个位点！
   
   

   image.png
   
   可以在我们设置过滤条件后挑选SNP啦！但是有可能会选到连锁的位点，最好看下有没有连锁的，有的话连锁位点选一个就可以了。
   用HaploReg v4.1 （http://archive.broadinstitute.org/mammals/haploreg/haploreg.php）看下连锁位点：
   
   

   image.png
   
   可以看出这个数据库集成了很多其他数据库，可以挑选有功能的位点进一步研究。