conda失败说没有写权限_使用conda安装vep

前面我们在进行突变注释的时候，发现 VEP 安装非常麻烦，原始安装方法会出现各种 perl 模块缺失的问题，如果管理员权限，倒是可以用 docker 安装。现实情况是，大部分人是没有管理员权限的，所以我推荐自己购买一个云服务器。今天，给大家带来一种简便的 VEP 安装方法，就是对新手非常友好的 conda，从此不用再担心 perl 模块安装失败了。

参考：https://bioconda.github.io/recipes/ensembl-vep/README.html

下载安装

conda 的安装方法就不再介绍了，技能树已经发过非常多的教程了。我们直接安装 VEP ，为了不造成环境依赖相冲突，可以新建一个小环境，然后在小环境中安装 VEP

conda create -n vep
conda activate vep
conda install ensembl-vep

检查软件是否下载成功的最简单方法是调用帮助文档：

$ vep --help
#----------------------------------#
# ENSEMBL VARIANT EFFECT PREDICTOR #
#----------------------------------#

Versions:
  ensembl              : 100.7e964b7
  ensembl-funcgen      : 100.f0c3948
  ensembl-io           : 100.f87ae4f
  ensembl-variation    : 100.1074e16
  ensembl-vep          : 100.1

Help: dev@ensembl.org , helpdesk@ensembl.org
Twitter: @ensembl

http://www.ensembl.org/info/docs/tools/vep/script/index.html

Usage:
./vep [--cache|--offline|--database] [arguments]

Basic options
=============

--help                 Display this message and quit

-i | --input_file      Input file
-o | --output_file     Output file
--force_overwrite      Force overwriting of output file
--species [species]    Species to use [default: "human"]

--everything           Shortcut switch to turn on commonly used options. See web
                       documentation for details [default: off]                       
--fork [num_forks]     Use forking to improve script runtime

For full option documentation see:
http://www.ensembl.org/info/docs/tools/vep/script/vep_options.html

我下载的时候默认就是最新版：ensembl-vep-100.(截止2020-05-25)，如果之前安装过了旧版，也可以用下面方法更新(不建议随便更新)：

conda update ensembl-vep

不管是使用什么安装方法，都需要下载数据库的基因组注释文件，比如人类 GRCh38，需要注意的是，如果是用原始的安装方法(非conda)下载数据的命令是 INSTALL.pl ，而在这里已经改为了 vep_install。另一个需要注意的细节是，数据库注释文件要与软件版本保持一致。不过数据库注释文件非常大，光这个 GRCh38 版本的人类基因组注释文件就要 14 G，还是压缩版本的。

mkdir ~/wes_cancer/data/vep
vep_install -a cf -s homo_sapiens -y GRCh38 -c ~/wes_cancer/data/vep –CONVERT
# 也可以自行下来解压，比如：
cd ~/wes_cancer/data/vep
curl -O ftp://ftp.ensembl.org/pub/release-100/variation/indexed_vep_cache/homo_sapiens_vep_100_GRCh38.tar.gz
tar -zxvf homo_sapiens_vep_100_GRCh38.tar.gz
# 解压后生成文件夹，里面有大量的注释文件
ls homo_sapiens/100_GRCh38/ | head
1
10
11
12
13
14
15
16
17
18

官网建议，注释文件要与软件版本号对应，比如这里用的是 ensembl-vep-100，注释信息包含了以下：

Source	Version (GRCh38)	Version (GRCh37)
Ensembl database version	100	100
Genome assembly	GRCh38.p13	GRCh37.p13
GENCODE	33	19
RefSeq	2019-06-28 (GCF_000001405.39_GRCh38.p13_genomic.gff)	2019-11-01 (GCF_000001405.25_GRCh37.p13_genomic.gff)
Regulatory build	1.0	1.0
PolyPhen	2.2.2	2.2.2
SIFT	5.2.2	5.2.2
dbSNP	153	153
COSMIC	90	90
HGMD-PUBLIC	2018.4	2017.4
ClinVar	2019-12	2019-12
1000 Genomes	Phase 3 (remapped)	Phase 3
NHLBI-ESP	V2-SSA137 (remapped)	V2-SSA137
gnomAD	r2.1, exomes only (remapped)	r2.1, exomes only

注释

首先要理解参数，看官网就好 http://asia.ensembl.org/info/docs/tools/vep/script/vep_options.html#opt_genomes，这里用到了几个参数：

参数	意义	备注
--species homo_sapiens	指定物种
-cache	使用缓存数据
--dir ~/wes_cancer/data/vep	指定缓存数据所在的路径
--clin_sig_allele 0	0 为返回等位基因的具体临床意义，1 则不返回
--af	注释上千人基因组的等位基因频率，在输出信息中添加了 AF	类似的参数还有--af_gnomad，--af_exac等
--stats_text --stats_file output_vep_summary.html	输出统计报告，为 html 格式

一个 327 个位点的 vcf 文件运行时间约3分钟，代码和结果如下：

vep --cache   --everything  \
--species homo_sapiens      \
--cache                     \
--dir ~/wes_cancer/data/vep \
--clin_sig_allele 0         \
--af  --af_gnomad --af_exac \
--fasta ~/wes_cancer/data/Homo_sapiens_assembly38.fasta \
--stats_text --stats_file 7.annotation/vep/case1_biorep_A_techrep_vep_summary.html       \
-i 6.mutect/case1_biorep_A_techrep_filter.vcf           \
--vcf                       \
-o 7.annotation/vep/case1_biorep_A_techrep_vep_tmp.vcf   

$ less 7.annotation/vep/case1_biorep_A_techrep_vep_tmp.vcf | grep -v '##' | head -10
#CHROM  POS ID  REF ALT QUAL    FILTER  INFO    FORMAT  case1_biorep_A_techrep  case1_germline
chr1    6146376 .   G   T   .   PASS    CONTQ=93;DP=205;ECNT=1;GERMQ=93;MBQ=31,38;MFRL=146,210;MMQ=60,60;MPOS=29;NALOD=1.89;NLOD=22.56;POPAF=6.00;SEQQ=12;STRANDQ=6;TLOD=5.40;CSQ=T|missense_variant|MODERATE|CHD5|ENSG00000116254|Transcript|ENST00000262450|protein_coding|11/42||ENST00000262450.8:c.1638C>A|ENSP00000262450.3:p.Asn546Lys|1936|1638|546|N/K|aaC/aaA|rs1041067908||-1||SNV|HGNC|HGNC:16816|YES|NM_015557.3|1|P1|CCDS57.1|ENSP00000262450|Q8TDI0||UPI000006CD03||tolerated(0.06)|benign(0.353)|Gene3D:2.40.50.40&PROSITE_profiles:PS50013&PANTHER:PTHR45623&PANTHER:PTHR45623:SF6&SMART:SM00298&Superfamily:SSF54160||||||||||||||||||||3.978e-06|0|0|0|0|0|8.793e-06|0|0|8.793e-06|gnomAD_NFE||||||||,T|upstream_gene_variant|MODIFIER|CHD5|ENSG00000116254|Transcript|ENST00000462991|nonsense_mediated_decay||||||||||rs1041067908|2272|-1|cds_start_NF|SNV|HGNC|HGNC:16816|||1|||ENSP00000466706||K7EMY3|UPI0002841241||||||||||||||||||||||||3.978e-06|0|0|0|0|0|8.793e-06|0|0|8.793e-06|gnomAD_NFE||||||||,T|missense_variant&NMD_transcript_variant|MODERATE|CHD5|ENSG00000116254|Transcript|ENST00000496404|nonsense_mediated_decay|11/34||ENST00000496404.1:c.1638C>A|ENSP00000433676.1:p.Asn546Lys|1638|1638|546|N/K|aaC/aaA|rs1041067908||-1||SNV|HGNC|HGNC:16816|||2|||ENSP00000433676||F2Z2R5|UPI0000470971||tolerated(0.08)|possibly_damaging(0.828)|||||||||||||||||||||3.978e-06|0|0|0|0|0|8.793e-06|0|0|8.793e-06|gnomAD_NFE|||||||| GT:AD:AF:DP:F1R2:F2R1:SB    0/1:108,3:0.039:111:52,1:55,2:40,68,2,1 0/0:85,0:0.013:85:50,0:34,0:33,52,0,0
chr1    6461445 .   G   T   .   PASS    CONTQ=93;DP=22;ECNT=1;GERMQ=28;MBQ=25,39;MFRL=170,184;MMQ=60,60;MPOS=14;NALOD=1.05;NLOD=2.70;POPAF=6.00;SEQQ=8;STRANDQ=10;TLOD=6.33;CSQ=T|downstream_gene_variant|MODIFIER|PLEKHG5|ENSG00000171680|Transcript|ENST00000340850|protein_coding|||||||||||4647|-1||SNV|HGNC|HGNC:29105|||5|P3|CCDS79.1|ENSP00000344570|O94827||UPI000015F97E|1|||||||||||||||||||||||||||||||||||||||||,T|missense_variant|MODERATE|TNFRSF25|ENSG00000215788|Transcript|ENST00000348333|protein_coding|9/9||ENST00000348333.7:c.1108C>A|ENSP00000314451.3:p.Arg370Ser|1108|