SnpSift学习笔记(一)

欢迎关注"生信修炼手册"

除了filter功能外，snpsift还提供了许多实用的功能，本篇文章主要看下注释相关的几个功能。

1. annotate

annotate命令对输入的VCF文件进行注释，需要一个数据库的VCF文件，比如dbsnp等，通过在数据库中查找，将数据库VCF文件中的ID和INFO字段信息输出出来, 用法如下

java -jar SnpSift.jar annotate dbSnp132.vcf variants.vcf > variants_annotated.vcf

dbSnp132.vcf就是数据库对应的VCF文件，variants.vcf就是需要注释的VCF文件，输出结果通过重定向符号保存到variants_annotated.vcf文件中。

variants.vcf的内容如下

#CHROM  POS ID REF  ALT  QUAL FILTER  INFO
22 16157571 . T G 0.0 FAIL NS=53
22 16346045 . T C 0.0 FAIL NS=244
22 16350245 . C A 0.0 FAIL NS=192
22 17054103 . G A 0.0 PASS NS=404
22 17071906 . A T 0.0 PASS NS=464
22 17072347 . C T 0.0 PASS NS=464
22 17072394 . C G 0.0 PASS NS=463
22 17072411 . G T 0.0 PASS NS=464

默认情况下，会将数据库中的ID和INFO两个字段的信息都注释上去，输出结果如下

#CHROM POS ID REF ALT QUAL FILTER INFO
22 16157571 . T G 0.0 FAIL NS=53
22 16346045 rs56234788 T C 0.0 FAIL NS=244;RSPOS=16346045;GMAF=0.162248628884826;dbSNPBuildID=129;SSR=0;SAO=0;VP=050100000000000100000100;WGT=0;VC=SNV;SLO;GNO
22 16350245 rs2905295 C A 0.0 FAIL NS=192;RSPOS=16350245;GMAF=0.230804387568556;dbSNPBuildID=101;SSR=1;SAO=0;VP=050000000000000100000140;WGT=0;VC=SNV;GNO
22 17054103 rs4008588 G A 0.0 PASS NS=404;RSPOS=17054103;GMAF=0.123400365630713;dbSNPBuildID=108;SSR=0;SAO=0;VP=050100000000070010000100;WGT=0;VC=SNV;SLO;VLD;G5A;G5;KGPilot123

如果你只需要ID或者INFO中的一个，可以通过参数-id和-info选择你需要的注释信息，示例如下

java -jar SnpSift.jar annotate -id dbSnp132.vcf variants.vcf > variants_annotated.vcf

添加了-id参数之后，就只会注释ID字段的信息了。

2. varType

varType命令会在INFO字段中加入突变类型的信息，共有以下5种突变类型

SNP
MNP
INS
DEL
MIXED

如果输入的VCF文件中只包含了一个样本的突变信息，这个命令还会给出HOM/HET的信息，用法如下

java -jar SnpSift.jar varType  test.vcf | grep -v "^#" | head
20 10469 .  C  G  100.0 PASS  SNP;HOM  GT:AP 0|0:0.075,0.060
20 10492 .  C  T  100.0 PASS  SNP;HET  GT:AP 0|1:0.180,0.345
20 10575 .  C  CG 100.0 PASS  DEL;HET  GT:AP 0|1:0.000,0.000
20 10611 .  CG C  100.0 PASS  INS;HET  GT:AP 0|1:0.000,0.010
20 10618 .  GT TA 100.0 PASS  MNP;HET  GT:AP 0|1:0.020,0.030

3. gwasCat

gwasCat命令使用GWAS catalog数据库对输入的VCF文件进行注释，用法如下

java -jar SnpSift.jar gwasCat gwascatalog.txt test.vcf | tee test.gwas.vcf

GWAS Catalog数据库存储了相关疾病和性状的SNP关联分析结果，输出结果如下

1 1005806 rs3934834   C   T   .   PASS    AF=0.091;GWASCAT=Body_mass_index    
1 2069172 rs425277    C   T   .   PASS    AF=0.400;GWASCAT=Height
1 2069681 rs3753242   C   T   .   PASS    AF=0.211;GWASCAT=Reasoning  
1 2392648

在输出结果中，会给出患病的风险率和相关疾病或性状的描述信息

4. dbnsfp

dbnfsp 是一个综合性的数据库，收录了SIFT, Polyphen2, LRT, MutationTaster等多种算法预测的基因组变异对功能的影响。通过snpsfit的dbnsfp命令，可以用这个数据库对变异位点进行注释，用法如下

java -jar SnpSift.jar dbnsfp -v myFile.vcf > myFile.annotated.vcf

第一次运行时，会自动下载dbnsfp对应的数据库文件。自动下载的数据库文件是snpSift官方整理的，如果你发现不是最新版，也可以自己去dbnsfp的官网下载最新版，然后自己整理，命令如下

wget http://dbnsfp.houstonbioinformatics.org/dbNSFPzip/dbNSFP2.9.zip
unzip dbNSFP2.9.zip
(head -n 1 dbNSFP2.9_variant.chr1 ; cat dbNSFP2.9_variant.chr* | grep -v "^#" ) > dbNSFP2.9.txt
bgzip dbNSFP2.9.txt
tabix -s 1 -b 2 -e 2 dbNSFP2.9.txt.gz

5. phastCons

phastCons是一款计算保守区域的软件，通过snpsift的phastCons命令可以对变异位点进行保守区域的注释。

第一步下载数据库，命令如下

mkdir -p ~/snpEff/db/phastCons
cd ~/snpEff/db/phastCons
wget http://hgdownload.soe.ucsc.edu/goldenPath/hg19/phastCons100way/hg19.100way.phastCons/chr1.phastCons100way.wigFix.gz
...
wget http://hgdownload.soe.ucsc.edu/goldenPath/hg19/phastCons100way/hg19.100way.phastCons/chrY.phastCons100way.wigFix.gz

第二步，进行注释，命令如下

java -jar SnpSift.jar phastCons ~/snpEff/db/phastCons file.vcf > file.phastCons.vcf

6. geneSets

采用MSigDb数据库提供的基因集注释信息，对突变位点所在基因进行注释，用法如下

java -jar SnpSift.jar geneSets -v db/msigDb/msigdb.v3.1.symbols.gmt test.ann.vcf > test.eff.geneSets.vcf

输出结果会在INFO中新增一个MSigDb注释信息，示例如下

MSigDb=ACEVEDO_METHYLATED_IN_LIVER_CANCER_DN,CHR1P36,KEGG_OLFACTORY_TRANSDUCTION,REACTOME_GPCR_DOWNSTREAM_SIGNALING,REACTOME_OLFACTORY_SIGNALING_PATHWAY,REACTOME_SIGNALING_BY_GPCR

扫描关注微信号，更多精彩内容等着你！