【注释-2】Annnovar-1——概述

annovar介绍

ANNOVAR 是由王凯编写一款变异位点注释软件，利用最新信息功能注释从不同基因组检测到的遗传变异，可以对SNP和indel进行注释，也可以进行变异的过滤筛选。对具有染色体，起始位置，终止位置，参考核苷酸和观察到的核苷酸的变体列表提供了多方位的注释功能，支持多个物种，包括以下6种：huamn、mouse、worm、fly、yeast、others。ANNOVAR 对于学术和非盈利机构而言是免费下载的，只需要注册个账号就可以了。
注：
SNP：Single Nucleotide Polymorphisms单核苷酸多态性，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性
InDel (insertion-deletion) 插入缺失标记，指的是两种亲本中在全基因组中的差异，相对另一个亲本而言，其中一个亲本的基因组中有一定数量的核苷酸插入或缺失。

annovar下载

1.下载地址:annovar下载
下载之后，解压缩即可。解压缩之后的文件列表如下:

├── annotate_variation.pl #主程序，功能包括下载数据库，三种不同的注释
├── coding_change.pl #可用来推断蛋白质序列
├── convert2annovar.pl #将多种格式转为.avinput的程序
├── example #存放示例文件
├── humandb #人类注释数据库
├── retrieve_seq_from_fasta.pl #用于自行建立其他物种的转录本
├── table_annovar.pl #注释程序，可一次性完成三种类型的注释
└── variants_reduction.pl #可用来更灵活地定制过滤注释流程

2.下载所有需要的注释信息库，对于基因注释的已经在下好的 ANNOVAR package中了。如果要进行其他注释，需要按以下命令下载数据库到 ‘humandb/’ 目录里,可用-downdb avdblist参数查看。

perl annotate_variation.pl -buildver hg19 -downdb -webfrom annovar refGene humandb/

-buildver 表示version# -downdb 下载数据库的指令# -webfrom annovar 从annovar提供的镜像下载，不加此参数将寻找数据库本身的源# humandb/ 存放于humandb/目录下

perl annotate_variation.pl --downdb --buildver hg19 cytoBand humandb/  
perl annotate_variation.pl --downdb --webfrom annovar --buildver hg19 1000g2014oct humandb/  
perl annotate_variation.pl --downdb --webfrom annovar --buildver hg19 exac03 humandb/  
perl annotate_variation.pl --downdb --webfrom annovar --buildver hg19 ljb26_all humandb/ 
perl annotate_variation.pl --downdb --webfrom annovar --buildver hg19 clinvar_20140929 humandb/  
perl annotate_variation.pl --downdb --webfrom annovar --buildver hg19 snp138 humandb/

annotate_variation.pl -geneanno -dbtyep refGene -buildver hg19 example/ex1.avinput humandb/

annotate_variation.pl -regionanno -dbtype cytoBand -buildver hg19 example/ex1.avinput humandb/ 

annotate_variation.pl -filter -dbtype exac03 -buildver hg19 example/ex1.avinput humandb/

更详细流程请看：Genomic variant annotation and prioritization with ANNOVAR and wANNOVAR

annovar输入格式

annovar自定义格式

用空格或者制表符分隔，最少需要5列，分别代表染色体，起始位置，终止位置，参考基因组的碱基，变异之后的碱基，其他的列作为额外补充信息。即：

1. 染色体(Chromosome)
2. 起始位置(Start)
3. 结束位置(End)
4. 参考等位基因(Reference Allele)
5. 替代等位基因(Alternative Allele)
6. 剩下为注释部分（可选）。

1 19215217 19215217 T C
1 33803084 33803084 A G
1 33803198 33803198 A G
1 37499237 37499237 T C
1 37499238 37499238 T C

VCF格式

VCF是突变分析的一种标准格式，大多数软件都支持这种格式的输出。可以使用convert2annovar.pl进行格式转换。比如将VCF和pileup格式的文件转换为annovar的输入格式

convert2annovar.pl -format pileup variant.pileup -outfile variant.query
convert2annovar.pl -format vcf4 variantfile -outfile variant.avinput

ANNOVAR主要使用convert2annovar.pl程序进行转换，转换后文件是精简过的，主要包含前面提到的5列内容，如果要将原格式的文件的所有内容都包含在转换后的.avinput文件中，可以使用-includeinfo参数；如果需要分开每个sample输出单一的.avinput文件，可以使用-allsample参数。可以convert2annovar.pl --help查看具体参数使用。
ANNOVAR还主要支持以下格式转换：

• SAMtools pileup format
• Complete Genomics format
• GFF3-SOLiD calling format
• SOAPsnp calling format
• MAQ calling format
• CASAVA calling format

annovar注释

用table_annovar.pl进行注释（可一次性完成三种类型的注释）

table_annovar.pl example/ex1.avinput humandb/ -buildver hg19 -out myanno -remove -protocol refGene,cytoBand,genomicSuperDups,esp6500siv2_all,1000g2014oct_all,1000g2014oct_afr,1000g2014oct_eas,1000g2014oct_eur,snp138,ljb26_all -operation g,r,r,f,f,f,f,f,f,f -nastring . -csvout

• -buildver hg19 表示使用hg19版本
• -out myanno 表示输出文件的前缀为myanno
• -remove 表示删除注释过程中的临时文件
• -protocol 表示注释使用的数据库，用逗号隔开，且要注意顺序
• -operation 表示对应顺序的数据库的类型（g代表gene-based、r代表region-based、f代表filter-based），用逗号隔开，注意顺序
• -nastring . 表示用点号替代缺省的值
• -csvout 表示最后输出.csv文件

ANNOVAR数据库

1. gene-based annotation

分析变异位点对蛋白质的影响，支持多种基因集，包括RefSeq, UCSC, ENSEMBL, GENCODE 等。

2. region-based annotation

分析变异位点是否位于基因组上的特殊区域，比如转录因子结合区域，组蛋白修饰区等。

3. Filter-based annotation

分析变异位点是否位于指定的数据库中，比如dbSNP, 1000G，ESP 6500等数据库，计算SIFT，PolyPhen, LRT, MutationTaster, MutationAssessor, FATHMM, MetaSVM, MetaLR等指标。

4. other functionalities

从基因组上根据坐标提取序列等小功能。

具体的数据库介绍后续再详细介绍

番外

以上只是介绍了annovar的介绍和使用，还需要进一步弄清楚各个数据库注释信息包含的生物信息，这才是我们真正需要弄明白的，学会读懂数据中所包含的生物信息，是一名生信猿所需具备的基本素质哦。

转载请注明出处

作者：oddxix
个人博客：oddxix.cn
微信公众号：oddxix

oddxix