An
Annovar用法大揭秘
前言
拿到测序数据，通过GATK等其他分析软件找到突变位点后，我们最想知道的就是这个位点存在于哪个基因？是有义突变还是无义突变？是否引起了编码氨基酸的变化？它在人群中的频率是多少？如果是做疾病研究的话，我们也很想知道这个位点的突变是否是有害突变等很多问题。没关系，这些问题annovar软件都可以帮你解答，下面我将详细介绍下annovar软件的下载，安装以及具体使用方法。
annovar的下载及安装
Annovar是用perl语言写的，可以在任何安装了perl的系统上运行，且不需要进行安装，直接下载解压就可以使用。但它的下载需要注册，且需要使用教育机构或者科研单位后缀的邮箱。当然，如果你没有注册邮箱也没有关系，后台回复annovar即可得到软件安装包。Annovar主要有三种不同形式的注释方式：
1、Gene-based annotation：根据SNP或者CNV的位置来判断是否会引起蛋白质编码的变化，是否发生了氨基酸的改变。
2、 Region-based annotation: 来鉴定特定基因组区域的突变。
3、Filter-based annotation：用来鉴定特定数据库中的突变。
下载完annovar并且解压之后，主要包括以下文件：
- example：存放的是示例文件
- humandb：部分注释数据库的文件，annovar的软件中自带了一部分，根据自己的研究需要也可以自己下载
- annotate_variation.pl：主程序，用来进行数据库的下载，以及不同形式的注释
- coding_change.pl：用来推断蛋白质的序列是否发生变化
- convert2annovar.pl：将其他多种形式转化为annovar可识别的形式（如将vcf文件转化为annovar可识别形式）
- retrieve_seq_from_fasta.pl：自行建立其它物种的转录本
- table_annovar.pl：可以一次完成三种不同形式的注释
- variants_reduction.pl：用来定制过滤注释流程
— 输入文件 —
Annovar的输入文件是一个简单的文本格式文件，其中前五列应分别是染色体号、突变位点在染色体上的起始位置、突变位点的结束位置、该突变位点在参考序列上的碱基以及该位点的突变碱基，其他列的内容可以有也可以没有。
如果输入文件是vcf文件，可以采用annovar的convert2annovar.pl程序将vcf文件转化为annovar可识别的文件形式，具体的命令如下：
perl convert2annovar.pl -format vcf4 G-001.vcf -outfile G.avinput
输出文件的格式为：
— 数据库下载 —
Annovar的注释主要依赖于数据库，因此在进行分析之前，应将所需的数据库下载到humandb文件夹中，下载的命令如下：
perl annotate_variation.pl -buildver hg19 -downdb -webfrom annovar avsnp147 humandb/
-buildver：对应参考基因组的版本
-downdb –webfrom annovar：从annovar库中下载对应的数据库，如果不知道要下载什么数据库，可以在annovar库中查看对应的数据库以及对应的功能，网址为：（http://annovar.openbioinformatics.org/en/latest/user-guide/download/）
avsnp147:下载的数据库的名称
humandb：下载到humandb文件夹中
— 结果注释—
整理好输入文件格式以及下载好数据库后，就可以进行注释了，下面以table_annovar.pl为例介绍下annovar的注释功能，具体命令如下：
perl table_annovar.pl GCK.avinput annovar/humandb/ -buildver hg19 -out GCK -remove –protocol refGene,1000g2015aug_eas,1000g2015aug_eur,1000g2015aug_sas,1000g2015aug_amr -operation g,f,f,f ,f -nastring .
table_annovar.pl：输入文件
-buildver：参考序列版本
-out：输出文件
-remove：删掉程d序运行过程中产生的中间文件
–protocol：数据库的名称
-operation：对应顺序的数据库的类型，如千人基因组，dbsnp数据库等（g代表gene-based、r代表region-based、f代表filter-based），与前面数据库一一对应
-nastring .：缺省值用.表示
完
