ANNOVAR使用笔记-过流程

gatk的germline mutation call完之后，得到VQSR过滤之后的VCF文件，之前使用了gvcf模式，这里是多个样本合并起来的的文件。
首先官网下载ANNOVAR软件，需要注册。官网地址
解压后里面有很多.pl文件，这些是用perl写的脚本，可以直接运行，类似于：
perl table_annovar.pl +参数
初级主要用到的有
annotate.pl 下载数据库，注释数据
convert2annovar.pl 将变异文件转化annovar可以使用的文件格式
annotate_variation.pl 一次注释一个数据库
table_annovar.pl 一次可以对多个数据库进行注释

下面下载需要的注释数据库文件
ANNOVAR下载的时候自带了一部分参考基因组注释文件，如hg19_refGene等。通常需要下载其它的数据库，有gene-based annotation，filter-based annotation数据库用户贡献数据库以及第三方数据库，由于我这次没有用到，也没有去了解其它数据库。
这些数据库在ANNOVAR官网都有列出来，我自己常用的有：
ljb26_all，dbnsfp35c，exac03，1000g2015aug，avsnp150，clinvar_20200316，cytoBand
下载格式类似于：

perl annotate_variation.pl -buildver hg19 -downdb -webfrom annovar ljb26_all humandb/

由于我的是gvcf模式得到的多个样本的vcf文件，首先拆分转换为annovar的输入文件，代码类似于：

convert2annovar.pl -format vcf4 indir/${cohort}.passed.vcf.gz -outfile outdir/${cohort} -allsample

其中在我这里cohort为样本组的名字

然后使用table_annovar.pl同时进行多个数据库的注释，代码类似于：

samples=$(ls ${outdir} | grep ${cohort} )
for sample in $samples
do
	echo $sample
	id=$(echo $sample | awk -F_ '{print $1}') #这个因样本名而异
	echo $id
	perl table_annovar.pl $outdir/${sample} \
	humandb/ -buildver hg19 \
	-out myanno -remove -protocol refGene,cytoBand,exac03,avsnp150,dbnsfp35c \
	-operation g,r,f,f,f -nastring . -vcfinput \
	#g,r,f,f,f 代表对refGene,cytoBand,exac03,avsnp150,dbnsfp35c这五个数据库分别进行gene-based annotation,region based annotation, filter-based annotation
	-polish --outfile $outdir/${id} && echo "$id done"
done

最终会得到id为前缀的注释文件，即id.hg19_multianno.txt
用于下一步分析。