利用snpEff对基因型VCF文件进行变异注释的详细方法

news2024/11/26 21:24:56

利用snpEff对VCF文件进行变异注释

群体遗传研究中，在获得SNP位点后,我们需要对SNP位点进行注释，对这些SNP位点进行更深的了解。

snpEff是一个用于对基因组单核苷酸多态性(SNP)进行注释的软件，snpEff软件可以用于对VCF文件进行变异注释，使用时需要先进行安装，然后构建参考基因组数据库，即可对VCF文件进行注释，下面进行用法介绍。

安装方法

首先安装好java环境，通过官网下载最新版本的软件压缩包，然后解压即可，最好安装在自己熟悉的目录下。

# Download latest version
wget https://snpeff.blob.core.windows.net/versions/snpEff_latest_core.zip

# Unzip file
unzip snpEff_latest_core.zip

另外，推荐一种更加简单快捷的方法，直接使用conda安装，命令如下：

conda install snpeff -c bioconda

配置数据库

有一些物种已经有官方的注释数据库，可以直接进行下载， 比如人类基因组，用如下代码下载：

java -jar snpEff.jar download GRCh38.76

如果需要查找哪些物种有现成的数据库，可以使用如下命令：

java -jar snpEff.jar databases

如果官方没有给出数据库，就需要自行建立数据库，以下用小麦举例，通过参考基因组和注释文件建立注释数据库。

下载数据文件

需要两个主要文件，iwgsc_refseqv2.1_assembly.fa是组装好的基因组序列，iwgscRefseqv2.1HCLC.gff3是注释文件，这两个文件可以在https://wheatgenome.org/Projects/Reference-Genome-Project/RefSeq-v2.1下载，如果是研究其他物种，也可以在网络上找到这两个文件。

image-20230429150117415
image-20230429150117415

配置文件修改

需要修改的配置文件在snpEff目录下， 文件名为snpEff.config，打开这个文件，在最后一行添加自定义数据库信息（这里的wheat可以自定义，但是要保持一致）

echo "wheat.genome:wheat" >> snpEff.conf

数据库路径设置

按照如下设置进入snpEff的安装目录并创建文件夹：

cd snpEff  #进入 snpEff 目录下
mkdir data  #新建 data 目录
cd data  #进入 data 目录下，必须在该目录
mkdir genomes  #新建 genomes 目录，用于建立 wheat 目录中的 bin
mkdir wheat  #新建 wheat 目录,对应物种名或后续软件调用的参数名

将参考基因组.fa文件放在genomes文件夹中，并改名为wheat.fa，并将gff注释文件放在wheat文件夹中改名wheat.gff，最终形成如下文件结构。

$ tree
.
├── genomes
│   └── wheat.fa -> /NGS/Ref/IWGSC_V2.1_fa_gff/iwgsc_refseqv2.1_assembly.fa
└── wheat
    ├── genes.gff -> /NGS/Ref/IWGSC_V2.1_fa_gff/iwgscRefseqv2.1HCLC.gff3

运行脚本形成bin文件

准备好文件后，回到软件目录，并执行以下命令，自动生成参考文件。检查一下存放参考基因组注释文件的目录下是否出现一些以.bin结尾的文件（数量与参考基因组染色体数有关），有就代表构建成功。

java -jar snpEff.jar build -gff3 -v wheat -d -noCheckCds -noCheckProtein
    
    ├── sequence.1A.bin
    ├── sequence.1B.bin
    ├── sequence.1D.bin
    ├── sequence.2A.bin
    ├── sequence.2B.bin
    ├── sequence.2D.bin
    ├── sequence.3A.bin
    ├── sequence.3B.bin
    ├── sequence.3D.bin
    ├── sequence.4A.bin
    ├── sequence.4B.bin
    ├── sequence.4D.bin
    ├── sequence.5A.bin
    ├── sequence.5B.bin
    ├── sequence.5D.bin
    ├── sequence.6A.bin
    ├── sequence.6B.bin
    ├── sequence.6D.bin
    ├── sequence.7A.bin
    ├── sequence.7B.bin
    ├── sequence.7D.bin
    ├── sequence.Unknown.bin
    └── snpEffectPredictor.bin

数据库构建完成后就可以直接用了，下一次不用再重新弄。

使用方法

准备内容

  • 环境：Linux 或 Ubuntu，已经安装openjdk
  • 文件：基因型变异信息 VCF 格式的文件
  • 参考文件：gff 或 gtf 注释文件、参考基因文件
  • 软件：SnpEff

运行程序

如果是通过conda安装，直接运行以下命令即可调用，对vcf文件进行注释。

snpEff wheat ./xxx.vcf.gz > ./xxx_snpeff.vcf.gz

如果是通过本地安装，可以用java调用程序进行计算，推荐使用这种方法，更加稳定。

java -jar ~/snpeff-5.1-2/snpEff.jar 
-c ~/snpeff-5.1-2/snpEff.config wheat 
../xxx.vcf.gz > ./xxxsnp.vcf.gz

等待注释完成后会生成snpEff_genes.txt文件和snpEff_summary.html文件，记录了注释的摘要信息，另外生成一个新的vcf文件包含详细注释信息。

结果查看

运行完成后会生成一个html的网页文件，里面记录了很多重要信息，接下来进行解读（参考知乎大佬天火三玄变的帖子）

摘要信息

从上往下依次是：基因组（物种名）、注释日期、注释命令、警告信息、错误信息、输入文件行数、变异位点数（过滤之前）、非变异位点数（与参考基因组碱基一致）、变异位点数（过滤之后）、具有ID的变异位点数、非双等位基因组SNP位点数、effects个数、参考基因组总长度、参考基因组有效长度、变异率（参考基因组有效长度/变异位点数）

img
img

各染色体变异率

从左往右：染色体编号、长度、变异位点数、变异率（多少个碱基中有一个变异位点）

image-20230429152858036
image-20230429152858036

变异类型

包括：SNP（单核苷酸多态性）、MNP（多核苷酸多态性）、INS（插入变异）、DEL（缺失变异）、MIXED（混合变异）、INV(倒位变异）、DUP（重复变异）、BED（易位变异）、INTERVAL（间隔变异）

image-20230429152836884
image-20230429152836884
image-20230429153541579
image-20230429153541579

有效影响数量

image-20230429153006075
image-20230429153006075

功能分级有效数

MiSSENSE（错义突变）、NONSENSE（无义突变）、SILENT（沉默突变）

image-20230429153035523
image-20230429153035523

有效变异数和百分比

下图左边为按类型划分有效变异数，包括（从上往下）：3’端主要UTR变异（UTR是成熟mRNA分子5'或3'端不被翻译的部分，一般在mRNA转运、稳定性和翻译调节中起重要作用）、5’端主要UTR提前启动子获得变异、5’端主要UTR变异、下游基因变异、起始密码子编码变异、基因间隔区、内含子变异、剪接受体变异、剪接供体变异、剪接区域变异、起始缺失、起始保留变异、终止获得、终止缺失、终止保留变异、同义变异、上游基因变异。

image-20230429153110800
image-20230429153110800

右边为按区域划分有效变异数，包括（从上往下）：下游、外显子、间隔区、内含子、剪接位点受体、剪接位点供体、剪接位点区域、上游、3’UTR区、5’UTR区。

SNP位点碱基变异表

可以看出SNP中哪些碱基的转换比较多（A腺嘌呤、C胞嘧啶、G鸟嘌呤、T胸腺嘧啶）

image-20230429153317738
image-20230429153317738

总结

在使用snpEff过程中需要注意数据库的选择和构建，根据不同版本进行计算，另外尽量避免更改染色体的展示方式，防止造成识别错误。另外可以利用vcftools将vcf中的样品信息去掉，这样文件体积会大大缩小，有利用加快注释速度。

参考资料：

https://www.jianshu.com/p/77c3a2fae4ab https://zhuanlan.zhihu.com/p/613790756 https://pcingola.github.io/SnpEff/

本文由 mdnice 多平台发布

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/475270.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

VC++ | VS2017编译报错-20230428

VC++ | VS2017编译报错-20230428

VC | VS2017编译报错-20230428 文章目录 VC | VS2017编译报错-202304281.报错1-1.解决办法 2.报错2-1.解决办法2-1-1.做如下设置2-1-2.代码调整 1.报错 1>------ 已启动生成: 项目: NvtUSBTool, 配置: Debug Win32 ------ 1>NvtUSBTool.cpp 1>$(PRJ_ROOT_DIR)nvtusbt…
阅读更多...
Linux文件系统权限

Linux文件系统权限

目录标题 文件权限文件和目录的一般权限文件的权限针对三类对象进行定义文件和目录中，r、w、x的作用 设置文件和目录的一般权限修改文件或目录的权限—chmod(change mode)命令权限值的表示方法—使用3位八进制数表示权限值的表示方法—使用字符串表示修改文件或目录…
阅读更多...
视频转gif如何做？三步教你视频转gif制作

视频转gif如何做？三步教你视频转gif制作

如何将视频做成gif表情包呢？想要把视频中的精彩画面截取出来做成gif动画表情，却又不想下载软件的时候，该怎么办呢？有没有简单实用的工具呢？ 一、什么工具能够截取视频做gif呢？ GIF中文网作为一款专业的在…
阅读更多...
react之按钮鉴权

react之按钮鉴权

使用HOC来完成 HOC：高阶组件，是React中复用组件逻辑的一种高级技巧。HOC自身不是React API的一部分，他是一种基于React的组合特性而形成的设计模式。 作用：用于复用组件的业务逻辑 VUE mixinReact Hoc 用户数据渲染带操作按钮渲…
阅读更多...
C#手术麻醉临床信息系统源码，实现体征数据自动采集绘制

C#手术麻醉临床信息系统源码，实现体征数据自动采集绘制

手麻系统源码，自动生成电子单据 基于C# 前端框架：Winform后端框架：WCF 数据库：sqlserver 开发的手术麻醉临床信息系统源码，应用于医院手术室、麻醉科室的计算机软件系统。该系统针对整个围术期，对病人进…
阅读更多...
本地安装kibana kibana设置中文汉化

本地安装kibana kibana设置中文汉化

一、Kibana简介 Kibana是一个开源的基于浏览器的分析和可视化平台，可以用于搜索，查看，删除Elasticsearch索引并与存储在Elasticsearch索引中的数据进行交互。可以执行高级数据分析，并且以各种图标、表格和地图的形式可视化数据。…
阅读更多...
【hello Linux】进程信号

【hello Linux】进程信号

目录 1. 进程信号的引出及整体概况 2. 信号的产生 1. 键盘产生 2. 进程异常 3. 系统调用 4. 软件条件 3. 信号的保存 1. 信号相关的常见概念 2. sigset_t 3. 信号集操作函数 4. sigprocmask：对block位图的操作 5. sigpending：对pending位图的操作 6. 捕捉…
阅读更多...
三分钟看懂Python分支循环规范：if elif for while

三分钟看懂Python分支循环规范：if elif for while

人生苦短，我用python 分支与循环 条件是分支与循环中最为核心的点， 解决的问题场景是不同的问题有不同的处理逻辑。 当满足单个或者多个条件或者不满足条件进入分支和循环， 这里也就说明这个对相同问题处理执行逻辑依据具体参数动态变化&…
阅读更多...
智慧医疗服务平台有哪些优势？

智慧医疗服务平台有哪些优势？

对于引用了智慧医疗服务平台的机构来说，其优势体现在哪些方面呢？ 一、提高医疗资源利用效率。 在传统的医疗模式中，医生需要耗费大量的时间和精力去处理病人的病历、诊断、治疗等问题。而在智慧医疗服务平台的支持下&#xff0…
阅读更多...
稳定排序和不稳定排序

稳定排序和不稳定排序

稳定排序和不稳定排序 稳定排序 插入排序、冒泡排序、归并排序、基数排序 其时间复杂度 直接插入排序 最好情况:初始有序,为O(n); 最坏情况:初始逆序,为O(n) 平均时间复杂度T(n) O(n) 折半插入排序 时间复杂度为O(n) 冒泡排序 最好时，基本有序，…
阅读更多...
Python 科研绘图可视化（后处理）Matplotlib - 2D彩图

Python 科研绘图可视化（后处理）Matplotlib - 2D彩图

Introduction 科研可视化是将数据和信息转化为可视化形式的过程，旨在通过图形化展示数据和信息，使得科研工作者能够更好地理解和分析数据，并从中发现新的知识和洞见。科研可视化可以应用于各种领域，如生物学、物理学、计算机科学…
阅读更多...
制造策略 ETO、MTO、ATO、MTS

制造策略 ETO、MTO、ATO、MTS

ETO 按交货周期跨度从长到短来讲，首先就是 ETO，Engineer To Order – 面向订单设计、定制生产或特殊生产。 就是客户给的订单，你要生产的话，你之前的原产品改动很大，或者基本上用不上，要完全按照客户的要求…
阅读更多...
虚机制

虚机制

一、虚机制的引入 利用动态编联实现——虚函数来解决上述问题 二、虚函数 必须是实例方法，不能是类方法。 若基类中析构函数为虚函数，则派生类中的析构函数不论写不写virtual关键字都是虚函数。派生类中新的虚函数应尽量避免与基类中的虚函数重名。 三、…
阅读更多...
java基础知识——24.泛型

java基础知识——24.泛型

这篇文章我们来讲一下java的泛型 目录 1.什么是泛型 1.1 泛型的概念 1.2 泛型的好处 1.3 粗看泛型集合的源码 2.泛型类 2.1 泛型类的定义 2.2 从泛型类派生子类 3.泛型接口 4.泛型方法 5.类型通配符 5.1类型通配符上限 5.2 类型通配符的下限 6.类型擦除 6.1无限…
阅读更多...
HTML（三） -- 表单设计

HTML（三） -- 表单设计

目录 1. 基本语法 2. 表单控件 2.1 input控件 input 常用属性： input type的表单项： 2.2 select 控件 2.3 textarea控件 2.4 label 控件 为什么需要表单？ 在我们网页中， 无论是提交搜索的信息，还是网上注…
阅读更多...
线程池核心线程是如何保持住的？

线程池核心线程是如何保持住的？

概述 本文尝试回答以下几个问题： 1、核心线程池是如何保持住的？ 2、当没有任务时，超过核心线程数的线程是如何回收的？ 3、线程队列为什么必须是BlockingQueue，普通队列行不行？ 背景知识 以下是一些背景知…
阅读更多...
第十三章 移动和旋转（上）

第十三章 移动和旋转（上）

移动和旋转是游戏对象最频繁地操作。我们上个章节简单介绍了Cube的移动和旋转。移动是修改transform的position属性，旋转是修改transform的eulerAngles（欧拉角）属性，两者属性值均可以使用Vector3向量来实现。需要大家注意的是&…
阅读更多...
C#窗体将DGV控件中数据导入导出Excel表

C#窗体将DGV控件中数据导入导出Excel表

目录 界面图： 效果视频： 一：将DGV数据导出到Excel表中 二：将Excel表数据导入到DGV中 三：界面全部代码 界面图： 效果视频： DGV数据导入导出Excel 一：将DGV数据导出到Excel表中 p…
阅读更多...
私人影院 - 本地搭建Emby媒体库服务器并在外远程访问 「无需公网IP」

私人影院 - 本地搭建Emby媒体库服务器并在外远程访问 「无需公网IP」

文章目录 1.前言2. Emby网站搭建2.1. Emby下载和安装2.2 Emby网页测试 3. 本地网页发布3.1 注册并安装cpolar内网穿透3.2 Cpolar云端设置3.3 Cpolar内网穿透本地设置 4.公网访问测试5.结语 1.前言 在现代五花八门的网络应用场景中，观看视频绝对是主力应用场景之一&…
阅读更多...
用ChatGPT问DotNet的相关问题，发现DotNet工程师的前景还不错

用ChatGPT问DotNet的相关问题，发现DotNet工程师的前景还不错

本人最近费了九牛二虎之力注册了一个ChatGPT账号，现在就给大家分享一下，问一下关于.NET的问题，看看ChatGPT的AI功能具体如何？ 一、C#跟其它语言比较的优势 回答： C#是一门编程语言，它是为 Microsoft 的 …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023