用ANNOVAR自建数据库注释基因组

annovar简介

在我们做重测序，或者比较基因组学分析的时候，我们往往在call snp或者indel的时候，需要对我们的变异位点进行注释，而annovar官网提供的注释库往往是人类的居多，但是我们所研究的物种却不仅限于人类。那么annovar就不可以使用了吗？，显然不是，我们可以利用annovar进行自建库注释。个人感觉GATK自建数据库比snpEff要容易上手一些。

ANNOVAR  
│  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
│  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
├─example #存放示例文件
└─humandb #人类注释数据库

流程

1、构建自定义数据库

gffread  #gff3 to gtf
gtfToGenePred  #gtf to genePred

 #转换gff3 2 gtf
gffread genome.gff -T -o genome.gtf 
# -o    write the output records into  instead of stdout
 #-T    main output will be GTF instead of GFF3

#转换gtf 2 GenePred
gtfToGenePred -genePredExt genome.gtf genome_refGene.txt 

#建立注释库
perl annovar/retrieve_seq_from_fasta.pl --format refGene --seqfile genome.fa genome_refGene.txt --out genome_refGeneMrna.fa

完成上述三部获得两个重要的文件

genome_refGeneMrna.fa
genome_refGene.txt

注意：这两个文件肯定不能随便命名，不然annovar无法识别！
把这两个文件放到一起，命名文件夹为genome，后面会用到
前缀genome就是下面build参数使用的名字，下面注释就要使用“-build geonme”这个参数。

2.转换需要注释的vcf文件

DL_1.vcf是HaplotypeCaller得到的vcf文件，需要转换成适用annovar的文件格式，执行命令

perl ../convert2annovar.pl -format vcf4 DL_1.vcf > DL_1.avinput

那么DL_1.avinput就是我们需要注释的文件

3. annotate_variation注释

用annotate_variation.pl进行基于基因（gene-based annotation）的注释，

perl ~/bio_software/annovar/annotate_variation.pl -geneanno -dbtype refGene -out GG_1.avinput -build genome GG_1.avinput ./genome
# -geneanno  表示使用基于基因的注释
# -dbtype refGene  表示使用"refGene"类型的数据库
# -out DL_1  表示输出以DL_1为前缀的结果文件

得到结果文件：

DL_1.exonic_variant_function #外显子区域突变的功能、类型等
DL_1.variant_function#突变的基因及位置
DL_1.log#日志文件

感谢！！！
https://www.baishujun.com/archives/7476.html
https://www.jianshu.com/p/0a334228377c
https://www.jianshu.com/p/469199f523ee