突变位点注释软件snpEff 使用详解

通常在获得SNP位点以后，我们肯定想知道这些突变位点在基因组上出现的位置、突变的类型以及危害程度。在此，小编给大家推荐一种变异位点注释软件--snpEff。

1. 软件下载与安装

该软件的开发基于java语言，下载安装比较简单。在Unix系统下，下载解压即可。解压以后有两个文件夹，clinEff和snpEff。我们今天使用的是snpEff。

wget http://sourceforge.net/projects/snpeff/files/snpEff_latest_core.zip

unzip snpEff_latest_core.zip

2. 查询可用数据库

运行命令如下：

java -jar snpEff.jar databases > snpEff.databases

在snpEff.databases中，42789个数据库可供下载，并列出了下载的基因组名、物种及对应的链接。

3. 下载数据库（以大麦为例）

java –jar snpEff.jar download Hordeum_vulgare

值得注意的是，由于大麦基因组数据的更新，该数据库也相应有所调整，可以在https://sourceforge.net/projects/snpeff/中下载新的大麦的数据库。

4. 进行注释

数据准备：

输入的文件为vcf格式，需要提供的主要信息有：染色体编号（如chr1H）、位置（POS）、参照碱基（REF）及变异碱基（ALT）。

 

注释命令：

java –jar snpEff.jar Hordeum_vulgare testbarley1H.vcf> testbarley1H.ann.vcf

注释结果有两个：testbarley1H.ann.vcf 和 snpEff_summary.html

在vcf文件中，注释信息以“|”分割：

1: Allele：T表示该突变碱基的类型。

2: Annotation：突变类型（3_prime_UTR_variant, 5_prime_UTR_premature_start_codon_gain_variant, 5_prime_UTR_variant, downstream_gene_variant, initiator_codo_variant, intergenic_region, intron_variant, missense_variant, non_canonical_start_codon, non_coding_transcript_exon_variant, splice_acceptor_variant, splice_donor_variant, splice_region_variant, start_lost, stop_gained, stop_lost, stop_retained_variant, synonymous_variant, upstream_gene_variant） 多个类型之间用&连接。

3: Annotation_impact：对变异位点产生的影响程度进行简单评估，有四个程度（HIGH, MODERATE, LOW, MODIFIER）。

4: Gene_Name：该变异位点所在基因的基因名，如果变异位点的突变类型是intergenic_region，则显示的是离该变异位点最近的一个基因。

5: Gene_ID：基因ID。

6: Feature_Type：变异位点所在的区域类型，transcript，motif，miRNA。

7: Feature_ID：Feature_Type所对应的ID。

8： Transcript_BioType：转录本类型。

9: Rank：只有当变异位点位于基因区域时才有值，当变异位点位于基因区域以外（intergenic_region）时，该字段的值为空。该值给出的是变异位点所处的exton/intron和该基因的exon/intron的总数。

10: HGVS.c：在DNA水平上，采用HGVS标准命名的变异位点的情况。

11: HVGS.p：在蛋白质水平上，采用HGVS标准命名的变异位点的情况。

12: cDNA.pos/cDNA.length：变异位点在cDNA上的位置/cDNA的长度。

13: CDS.pos/CDS.length：变异位点在CDS的位置/CDS的长度。

14: AA.pos/AA.length：变异位点在氨基酸上的位置/氨基酸的长度。

15: Distance：不同的情况，距离的含义是不同的，因此可能会是空值。Up/Downstream：到第一个/最后一个密码子的距离。Intergenic：到最近基因的距离。到外显子中最近的内含子边界的距离（+/-代表上游/下游）。如果相同，使用正数。在内含子中离最近外显子边界的距离（+/-上/下）。到基序中第一碱基的距离。到miRNA中第一碱基的距离。在剪接位点或剪接区域中，离外显子-内含子边界的距离ChipSeq peak：到顶点（或峰中心）的距离。Histone/Histone state：到顶点（或峰中心）的距离。

16: ERRORS/WARNINGS/INFO：添加可能影响批注准确性的错误、警告或信息性消息。可以使用“代码”（如第1列所示，如w1）或“消息类型”（如第2列所示，如warning_ref_dones_match_genome）添加。所有这些错误、警告或信息消息都是可选的。 

html文件在网页中查看：

对以下几个方面进行的统计信息，可以根据需要绘制饼图或者柱形图：