ANNOVAR注释

1. 下载

1.下载需要科研机构邮箱
#http://download.openbioinformatics.org/annovar_download_form.php

tar xvfz annovar.latest.tar.gz

下载Aannovar的数据库list

#下载hg38版本的list
perl annotate_variation.pl -downdb avdblist -buildver hg38 -webfrom annovar path/to/humandb

里面是可以通过annovar直接下载的数据库

2.下载数据库

#refGene
perl ../annotate_variation.pl -downdb -buildver hg38 -webfrom annovar refGene ../humandb
#knownGene
perl ../annotate_variation.pl -downdb -buildver hg38 -webfrom annovar knownGene ../humandb
#esp6500siv2_all(only all)
perl ../annotate_variation.pl -downdb esp6500siv2_all -buildver hg38 -webfrom annovar ../humandb
#exac03
perl ../annotate_variation.pl -downdb exac03 -build hg38 -webfrom annovar ../humandb
#cosmic70
perl ../annotate_variation.pl -downdb cosmic70 -buildver hg38 -webfrom annovar ../humandb
#nci60
perl ../annotate_variation.pl -downdb nci60 -buildver hg38 -webfrom annovar ../humandb
#dgvMerged
perl ../annotate_variation.pl -downdb dgvMerged -buildver hg38 ../humandb

#avSNP
perl ../annotate_variation.pl -downdb avsnp144 -buildver hg38 -webfrom annovar ../humandb
#1000g2015aug
perl ../annotate_variation.pl -downdb 1000g2015aug -buildver hg38 -webfrom annovar ../humandb

#dbnsfp30a(SIFT, PolyPhen2, LRT, MutationTaster, MutationAssesor, FATHMM; GERP++, PhyloP, SiPhy)
perl ../annotate_variation.pl -downdb dbnsfp30a -buildver hg38 -webfrom annovar ../humandb

#clinvar_20160302
perl ../annotate_variation.pl -downdb clinvar_20160302 -build hg38 -webfrom annovar ../humandb

#dann
perl ../annotate_variation.pl -downdb dann -buildver hg38 -webfrom annovar ../humandb

处理精简一些数据库

awk -F "\t" '{print $1"\t"$3"\t"$5"\t"$6"\t0\t"$2}' humandb/hg38_wgEncodeGencodeBasicV23.txt >humandb/hg38_Gencode.txt
awk -F "\t" '{print $1"\t"$3"\t"$5"\t"$6"\t0\t"$13}' humandb/hg38_refGene.txt >humandb/hg38_refGeneName.txt

rmsk.gff 数据库，相关信息参考
https://blog.csdn.net/tanzuozhev/article/details/80958785

echo "##gff-version 3" >humandb/hg38_rmsk.gff
awk -F "\t" '{id++;print $6"\thg38_rmsk\texon\t"$7"\t"$8"\t"$2"\t"$10"\t.\tID=\""id":"$11"("$12")\"; repName=\""$11"\"; repClass=\""$12"\""}' humandb/hg38_rmsk.txt >>humandb/hg38_rmsk.gff

从UCSC下载
hg38版本：http://hgdownload.soe.ucsc.edu/goldenPath/hg38/database/
hg19版本：添加链接描述

wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/wgEncodeGencodeBasicV23.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/cytoBand.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/wgRna.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/genomicSuperDups.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/gwasCatalog.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/rmsk.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/dgvMerged.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/cpgIslandExt.txt.gz

#OMIM
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/omimAv.txt.gz
wget -c http://hgdownload.cse.ucsc.edu/goldenPath/hg38/database/omim2gene.txt.gz

3.注释脚本

-protocol : 注释的数据库
-buildver： 基因组版本
-nastring：空位置用 . 填充
--otherinfo： 输入文件中第5例后面的info信息也进行输出
--operation：数据库的类型，需要与前面的-protocol顺序严格对应，且逗号分割。g为基因注释类型 ，r为区域注释类型,f为过滤注释类型
--gff3dbfile：注释使用的 gff 文件
–vcfinput：输入为vcf格式的文件，输出也为vcf格式
–vcfformat：vcf文件的格式

perl table_annovar.pl input.vcf path/to/humandb -buildver hg38 -otherinfo -nastring . -protocol GeneName,refGene,Gencode,cytoBand,wgRna,genomicSuperDups,gff3,avsnp150,cosmic70,clinvar_20180603,gwasCatalog,1000g2015aug_eas,1000g2015aug_sas,1000g2015aug_eur,1000g2015aug_afr,1000g2015aug_amr,1000g2015aug_all,esp6500siv2_all,exac03,dbnsfp33aneed,gerp++gt2,caddgt10 --operation r,g,r,r,r,r,r,f,f,f,r,f,f,f,f,f,f,f,f,f,f,f --gff3dbfile hg38_rmsk.gff --vcfinput --argument '--colsWanted 5,--transcript_function,--colsWanted 5,,,,,,,,,,,,,,,,,,,' --outfile out_put_annovar_file

4. 不同数据库匹配的规则：

annotate_variation.pl 中表明了已经设定的数据库的匹配位置，输出第几列信息，不在预设内的（else），按照第 2,3,4列匹配，输出第5列。

5. Annoovar注释的3种形式

1.Gene-based Annotation(基于基因的注释)
基于基因的注释（gene-based annotation）揭示variant与已知基因直接的关系以及对其产生的功能性影响，需要使用for gene-based的数据库。

2.Region-based Annotation（基于区域的注释）
对位于数据库区域的位点进行注释，不关注具体的位点是否一致，变异是否一致。揭示位点与基因组特定区域的关系，例如：它是否落在已知的保守基因组区域。

3.Filter-based Annotation（基于过滤的注释）
这种注释方式需要变异位点的位置以及碱基变化精确匹配。

注释脚本

perl /Apps/annovar/convert2annovar.pl -includeinfo -allsample -withfreq -format vcf4 raw.somatic.foxog_filtered.vcf > raw.somatic_converted_avinput.xls

perl /Apps/annovar/table_annovar.pl raw.somatic_converted_avinput.xls .//annovar/humandb -buildver hg19 -otherinfo -remove -outfile outdir -protocol refGene,snp142,popfreq_all_20150413,gnomad_exome,cosmic88,clinvar_20190821,ljb26_all,intervar_20170202 -operation g,f,f,f,f,f,f,f -argument -hgvs,-hgvs,-hgvs,-hgvs,-hgvs,-hgvs,-hgvs,-hgvs

splicing剪接位点：指DNA在转录时发生RNA拼接的位点。
在vcf中 在splicing位点附件发生的突变，所处区域显示为 splicing，表示这个突变位点在一个splicing附近。 在碱基变化列 c.894-1G>A 表示 在转录本894位置是一个剪接位点，在 -1 位置上，也就是893位置发生了G>A突变。

如果想扩大剪接位点两侧突变检测范围 , 在-argument 参数后边对应 refGene数据库的位置 添加-splicing_threshold 10 ， 如： -argument '-splicing_threshold 10 -hgvs' 引号内表示对refGene 数据库进行 -splicing_threshold 10 和 -hgvs 两个处理，所以用引号引起来。