SNPEFF snp注释 (添加自己基因组)

之间介绍过annovar进行对snp注释，今天介绍snpEFF

SnpEff is a variant annotation and effect prediction tool. It annotates and predicts the effects of variants on genes

详细的说明请阅读：

http://snpeff.sourceforge.net/SnpEff_manual.html

一、安装

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

2 unzip snpEff_latest_core.zip

3

4 #会产生一个snpEff目录 所有的程序都在这里面

二、配置自己的基因组和注释文件

以菠菜（spinach）参考基因组为例子：

打开snpEFF文件夹下的snpEff.contig, 增加新的物种信息，可以在任意一行添加，个人建议在 # Databases & Genomes 添加

1 # spinach_v1

2 spinach_v1.genome : spinach

建立data文件夹并且建立名为spinach_v1的文件夹 (和上述对应)

1 mkdir -p data/spinach_v1

在该文件夹下存放两个文件：

sequences.fa
genes.gff # (我用的是gff3格式，也可使gff2)

（一定按上述名字）

用build命令进行构建

1 # 在snpEff文件夹下运行命令

2 java -jar snpEff.jar build -gff3 -v spinach_v1

3

4 ## 参数

5 -v： 版本

6 -gff3：gff文件类型

三、开始注释

1 java -jar snpEff.jar ann spinach_v1 input.vcf.gz > snpeff.vcf

同样我们可以选择以下参数简化输出

-no-downstream
-no-upstream
-no-utr
-no-intergenic
-no-intron

比如说我们只关注CDS中的注释信息，不考虑上游、下游、UTR、基因间区等信息

1 java -jar snpEff.jar ann -no-utr -no-downstream -no-upstream -no-intergenic spinach_v1 input.vcf.gz > snpeff.vcf

四、结果的说明

snpEff_genes.txt
snpEff_summary.html

两个文件记录总结性信息比较简单

*.ann.vcf 是一个注释结果文件，其就在vcf的info信息新添加了anno一列信息，其具体每个值含义如下：

Allele

　　突变之后的碱基，第一个突变位点由T碱基突变成了C碱基，对应Allel的值为C

Annotation

　　由sequence ontology定义的突变类型

Annotation_Impact

　　对变异位点有害程度的简单评估，取值有HIGH, MODERATE, LOW, MODIFIER 4种，含义如下

Gene_Name

　　基因名字

Gene_ID

　　基因ID

Feature_Type

　　想要分析的特征类型，transcript, motif, miRNA 等

Feature_ID

　　根据Feature Type指定的特征，给出对应的ID

Transcript_BioType

　　转录本类型, 通常采用Ensembl数据库的转录本类型

Rank

　　只有当变异位点位于基因区域时才有值，会给出变异位点所处的exon/intron的编号和该基因的exon/intron的总数，比如一个突变位点位于基因的第3个exon上，该基因一共有12个exon, 对应的Rank的值为3/12
当变异位点位于基因区域以外时，该字段的值为空

HGVS.c

　　采用HGVS标准命名的基因水平的变异情况

HGVS.p

　　采用HGVS标准命名的蛋白质水平的变异情况，只有当突变位点位于编码区是才会有值

cDNA.pos/cDNA.length

　　突变位点在cDNA上的位置/cDNA的总长度

CDS.pos/CDS.length

　　突变位点在CDS上的位置/CDS的总长度

AA.pos/AA.length

　　突变位点在氨基酸序列上的位置/氨基酸序列的总长度

Distance

变异位点与最近的特征的距离，当变异位点位于基因间区时，会给出与最近的基因之间的距离；当变异位点位于exon区域时，会给出与最近的内含子边界的距离，不同的情况，距离的定义不同。

ERRORS/WARNINGS/INFO

　　对注释结果的可靠程度进行评估，各种取值代表的含义如下图

参考

关注下方公众号可获得更多精彩