【annotation】非人类物种基因组注释（MSU为例）

基因组注释工具ANNOVAR是一款非常好用的注释软件，功能强大，输出数据简单美中不足就是对于非人类物种来说UI不够完善，因此总结一下整个注释的过程，帮助别人快乐自己。

首先我们需要明确我们需要的数据和软件：

数据包括：

all.gff3 #MSU的v7.0版本组装的注释文件
all.con #基因组序列

这样就是所有的输入文件了，现在我们列举一下需要用到的软件：

gffread  #gff3 to gtf
gtfToGenePred  #gtf to genePred (建库需要的文件)
annovar  #注释主程序，只能通过发邮件获取

有了这些我们就可开始做注释了、

一、建库

如果是给人类的基因组注释，网上有非常多的教程，我在这里就不赘述了，请大家自行百度，我要介绍的主要是水稻及其他非人类的生物注释。

首先我们需要在获得ANNOVAR之后在目录下解压，在软件主目录下新建文件夹：

genomics@genomics-70DGA01QCN:~/BioPlatform/annovar$ ls -l
总用量
-rwxr-xr-x  genomics genomics  4月     annotate_variation.pl
-rwxr-xr-x  genomics genomics   4月     coding_change.pl
-rwxr-xr-x  genomics genomics  4月     convert2annovar.pl
drwxr-xr-x  genomics genomics    4月     example
drwxr-xr-x  genomics genomics    4月     humandb
-rwxr-xr-x  genomics genomics   4月     retrieve_seq_from_fasta.pl
-rwxr-xr-x  genomics genomics   4月     table_annovar.pl
-rwxr-xr-x  genomics genomics   4月     variants_reduction.pl

genomics@genomics-70DGA01QCN:~/BioPlatform/annovar$ mkdir ricedb

ricedb就是我们需要建库的文件夹了，和同目录下的humandb是一样的，在这个文件夹中需要有两个文件

genomics@genomics-70DGA01QCN:~/BioPlatform/annovar/ricedb$ ls -l
总用量
-rw-rw-r--  genomics genomics  10月    AsianRice_MSU.fasta
-rw-rw-r--  genomics genomics   2月      AsianRiice_MSU.gff3

gff文件会报错所以第一步要转换成gtf文件

genomics@genomics-70DGA01QCN:~/BioPlatform/annovar/ricedb$ gffread AsianRiice_MSU.gff3 -T -o AsianRice_MSU.gtf

gtf文件转换成GenePred文件，利用GtfToGenePred工具，这里注意“-genePredExt”这个参数一定要加上

genomics@genomics-70DGA01QCN:~/BioPlatform/annovar/ricedb$ gtfToGenePred -genePredExt AsianRice_MSU.gtf Os_refGene.txt

结合基因组数据获得另外一个重要数据，通过上边获得的GenePred文件：

perl ../retrieve_seq_from_fasta.pl --format refGene --seqfle all.fa  Os_refGene.txt --out Os_refGeneMrna.fa

这样我们建库工作就完成了，下次再对相同物种数据进行注释的时候就不用进行这些操作了，库的两个文件组成如下：

genomics@genomics-70DGA01QCN:~/BioPlatform/annovar/ricedb$ ls -l
-rw-rw-r--  genomics genomics  1月   : Os_refGeneMrna.fa
-rw-rw-r--  genomics genomics   1月   : Os_refGene.txt

二、非人类物种注释

　　相比与人类的注释，其他物种的注释如果完成了建库的步骤剩下的就很相似。区别在于其他物种并没有人类那么多相关的注释库，一般我们就进行基于基因的注释就可以获得我们想要的数据：

perl table_annovar.pl <variant.vcf> ricedb/ --vcfinput --outfile fnal --buildver Os --protocol refGene --operation g

　　剩下的事情交给马克思和处理器就好了！

　　输出格式以及后续的处理在随后的博文中会有详细的介绍。