• 用Annovar注释非人类基因组,如小鼠mm9


    annovar一般只包含人类基因组注释数据库,其他的物种如小鼠需要自己进行建立注释信息。

    第一步:下载annovar软件
    上Annovar官网下载(http://annovar.openbioinformatics.org/en/latest/user-guide/download/),现在要邮件注册后才能下载。邮件注册后会给你最新版软件下载地址,下载后文件为annovar.latest.tar.gz。
    第二步:安装Annovar
    linux系统下用该命令解压

    tar zxvf annovar.latest.tar.gz

    解压后生成annovar文件夹,里面有6个perl脚本程序和两个文件夹,其中一个是example文件夹,另一个是已经建立好的hg19或者GRCh37的humandb的数据库文件夹,可用于人的注释。
    第三步:使用Annovar
    人的注释方法,官网介绍的很详细,但仅仅有人的数据库肯定是满足不了大家的需求。

    一般如果你想看是否有某种物种,如小鼠mm9的注释库时,命令行运行

    perl annotate_variation.pl -builder mm9 -downdb avdblist -webfrom annovar ./

    会生成一个mm9开头的文件,里面包含小鼠mm9有多少注释数据库,然后自己可以构建一个mousedb数据库
    先在annovar文件夹里面创建mousedb文件夹(名字可自取),命令mkdir mousedb
    然后使用annovar文件夹下的perl程序annotate_variation.pl

    perl annotate_variation.pl -downdb -buildver mm9 -webfrom annovar refGene mousedb/

    这个命令能实现的是帮忙下载mm9的refGene的文件,保存在mousedb文件下,自动解压后文件名为mm9_refGene.txt。
    然后程序会提示使用以下两个命令继续建库

    annotate_variation.pl --buildver mm9 --downdb seq mousedb/mm9_seq
    retrieve_seq_from_fasta.pl mousedb/mm9_refGene.txt -seqdir mousedb/mm9_seq -format refGene -outfile mousedb/mm9_refGeneMrna.fa

    同样在annovar文件下运行这两个perl程序

    perl annotate_variation.pl --buildver mm9 --downdb seq mousedb/mm9_seq

    通过这个命令,会在mousedb下创建文件夹mm9_seq,并且在里面下载mm9的基因组文件chromFa.tar.gz,perl程序帮忙解压后是按染色体分开的fasta格式文件。
    然后继续运行perl程序

    perl retrieve_seq_from_fasta.pl mousedb/mm9_refGene.txt -seqdir mousedb/mm9_seq -format refGene -outfile mousedb/mm9_refGeneMrna.fa

    该程序会会在mousedb下创建mm9_refGeneMrna.fa文件,是根据mm9_refGene.txt的信息,重新构建成的老鼠转录表达基因fasta格式文件
    这样老鼠mm9 annovar gene based注释库就弄好了
    以文本文件test.input为案例进行测试
    生成test.input的txt格式文件,根据annovar官网介绍,只要这最基本的五列信息就可以进行注释,五列分别染色体名称,染色体上的位置,染色体上的位置,参考基因组碱基,变异碱基。

    1       19215217        19215217        T       C
    1       33803084        33803084        A       G
    1       33803198        33803198        A       G
    1       37499237        37499237        T       C
    1       37499238        37499238        T       C
    1       37500003        37500003        T       C
    1       43826936        43826936        T       C
    1       58853960        58853960        A       G
    1       58854487        58854487        A       G
    1       60436865        60436865        T       C

    然后使用perl程序进行gene based的注释

    perl annotate_variation.pl -out test -build mm9 test.input mousedb

    注释后会生成test.variant_function,test.exonic_variant_function和test.log文件,前两个即为所需要的文件。用这个例子输出test.exonic_variant_function文件输出为空文件,因为这些位点没有在exonic区域的,所以没有结果。如果有位点在exonic中,则在test.exonic_variant_function中会更具体的描述为同义突变还是非同义突变

    intronic        Tfap2b  1       19215217        19215217        T       C
    UTR3            Bag2    1       33803084        33803084        A       G
    UTR3            Bag2    1       33803198        33803198        A       G
    UTR3            Mgat4a  1       37499237        37499237        T       C
    UTR3            Mgat4a  1       37499238        37499238        T       C
    UTR3            Mgat4a  1       37500003        37500003        T       C
    intronic        Uxs1    1       43826936        43826936        T       C
    intronic        Casp8   1       58853960        58853960        A       G
    intronic        Casp8   1       58854487        58854487        A       G
    intronic        Cyp20a1 1       60436865        60436865        T       C
  • 相关阅读:
    XTREE随笔
    多重共线性
    常用特征选取算法
    最短路径算法的实现(dijskstra):Python
    数据科学的完整学习路径—Python版(转载)
    windows下64位python的安装及机器学习相关包的安装(实用)
    拓扑排序 详解 + 并查集 详解 + 最小生成树(MST)详解 【普利姆算法 + 优先队列优化 & 克鲁斯卡尔算法】
    最短路算法 :Bellman-ford算法 & Dijkstra算法 & floyd算法 & SPFA算法 详解
    在linux下部署项目所用到的基本linux命令
    素数筛 模板
  • 原文地址:https://www.cnblogs.com/Raymontian/p/7113096.html
Copyright © 2020-2023  润新知