生信软件45 - 遗传变异分析工具GEMINI

最新推荐文章于 2025-05-08 22:35:42 发布

生信与基因组学

最新推荐文章于 2025-05-08 22:35:42 发布

阅读量1.1k

点赞数 21

分类专栏：生物信息学软件文章标签：数据挖掘数据分析 bash

本文链接：https://blog.csdn.net/LittleComputerRobot/article/details/146231966

版权

生物信息学软件专栏收录该内容

45 篇文章

订阅专栏

1. GEMINI简介

GEMINI（Genome Mining）是用于遗传变异分析的生物信息学工具，适用于家系新生突变分析、常染色体显性遗传突变分析、常染色体隐性遗传突变分析、群体分析、成对肿瘤样本分析。通过将 VCF 文件转换为轻量级数据库（SQLite），查询速度比传统文本处理快10-100倍，预集成ClinVar、dbSNP、gnomAD、CADD等30+种功能/人群数据库，支持高效查询和遗传模式筛选。其核心优势在于结合家系结构信息，快速识别符合特定遗传模型的致病突变。

2. 软件安装

官网教程： https://gemini.readthedocs.io/en/latest/content/installation.html

# centos/ubuntu conda安装
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda3
echo 'export PATH="$HOME/miniconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
conda init bash

# 创建conda环境
conda create -n gemini python=3.7
conda activate gemini

# 安装gemini
wget https://github.com/arq5x/gemini/raw/master/gemini/scripts/gemini_install.py

# 创建tool和data存储目录
mkdir {tool,data}

python gemini_install.py tool data

# 查看版本
gemini --version

3. 数据库安装

需下载自带10多个GB的数据库及CADD（39G）和GERP（7G）两个数据库。

# 全套数据库（建议服务器安装）
gemini update --dataonly --extra cadd_score --extra gerp_bp

# 最小化安装（测试用）
gemini update --dataonly --no-cdata

# 下载时中断，恢复下载（支持断点续传）
# gemini update --dataonly --continue

gemini --annotation-dir

4. 测试

# 下载测试vcf
wget https://raw.githubusercontent.com/arq5x/gemini/master/test/test.snpeff.vcf

# 导入vcf, 4线程
gemini load -v test.snpeff.vcf -t snpEff --cores 4 test.db

gemini stats test.db

5. 基本用法

gemni输入文件支持VCF和PED文件，分析前需要将VCF导入SQL数据库，VCF接受注释或者未注释的文件，对于未注释的VCF文件，gemini可调用VEP或者snpEff进行注释。

5.1 ROH（Runs of Homozygosity，纯合性片段）分析

ROH指连续的同源染色体区域在子代中完全纯合的现象，通常由近亲繁殖或群体遗传瓶颈导致。ROH区域内若包含隐性致病突变，纯合状态会直接引发疾病（如囊性纤维化、苯丙酮尿症），ROH长度>10 Mb 时，每增加1 Mb，隐性遗传病风险上升约3-5%；ROH导致的多个纯合位点共同影响疾病（如精神分裂症、先天性心脏病）等。

ROH风险评估指标

基因组总ROH长度>500 Mb，提示严重近亲繁殖或遗传病高风险；
单条染色体ROH最大长度>20 Mb，可能与隐性致病突变相关。

gemini roh \
--min-snps 50 \  # 包含最小的SNP个数
--min-gt-depth 20 \  # 最小基因型深度
--min-size 1000000 \  # 最小的ROH长度
-s sample \  # 样本名称
test.db

5.2 孟德尔遗传模式分析

（1）常染色体隐性遗传（AR）

筛选双亲携带、患者纯合/复合杂合的变异（如囊性纤维化）。

gemini autosomal_recessive -v test.db > ar_variants.txt

（2）常染色体显性遗传（AD）

识别患者新发或父母传递的显性突变（如亨廷顿病）。

gemini autosomal_dominant -v test.db > ad_variants.txt

（3）X连锁遗传

定位X染色体上的隐性/显性突变（如血友病、杜氏肌营养不良）。

gemini x_linked -v test.db > xlinked_variants.txt

（4）新生突变（De novo）检测

识别患者携带但父母不存在的突变（如自闭症相关变异）。

gemini de_novo --min-gq 20 test.db > denovo.txt

5.2 复合杂合突变分析

发现同一基因的两个等位基因分别携带不同有害突变（如遗传性耳聋）。

gemini comp_hets --columns "gene,impact" test.db > chets.txt

5.3 表型驱动筛选

联合 OMIM、ClinVar 数据库，筛选与疾病表型匹配的已知致病变异。

gemini query -q "SELECT * WHERE clinvar_sig LIKE '%pathogenic%'" test.db > known_pathogenic.txt

5.4 群体频率过滤

排除高频变异（如基于gnomAD频率）。

gemini query -q "SELECT * WHERE (gnomad_af < 0.001 OR gnomad_af IS NULL)" test.db > rare_variants.txt

5.5 自定义复杂查询

通过SQL语法灵活筛选（如影响高危害性错义变异的罕见变异）。

gemini query -q "SELECT chrom,start,end,gene,impact FROM variants 
      WHERE impact_severity='HIGH' 
      AND filter IS NULL 
      AND gnomad_af < 0.01" test.db > filtered.tsv