前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >把vcf文件转换为maf格式,肿瘤外显子上游分析教程到此为止

把vcf文件转换为maf格式,肿瘤外显子上游分析教程到此为止

作者头像
生信技能树
发布2018-07-27 14:27:49
5.6K0
发布2018-07-27 14:27:49
举报
文章被收录于专栏:生信技能树生信技能树

完全看懂这个教程需要的背景知识比较多!

生信技能树GATK4系列教程

GATK4的gvcf流程

你以为的可能不是你以为的

新鲜出炉的GATK4培训教材全套PPT,赶快下载学习吧

曾老湿最新私已:GATK4实战教程

GATK4的CNV流程-hg38

然后是 CNV相关工具

WES的CNV探究-conifer软件使用

单个样本NGS数据如何做拷贝数变异分析呢

肿瘤配对样本用varscan 做cnv分析

使用cnvkit来对大批量wes样本找cnv

使用sequenza软件判定肿瘤纯度

还有vcf和maf的工具:

安装VEP及其注释数据库

肿瘤突变数据可视化神器-maftools

可能还有一些教程我漏掉了,毕竟这些年发布了近万篇教程了,大家直接我去我博客,生信菜鸟团就可以搜索,去我们的论坛,生信技能树里面也可以搜到。

假设已经安装了VEP软件,对自己的vcf进行了注释,然后就可以进行转换:

https://github.com/mskcc/vcf2maf

安装GitHub上面的小工具

代码语言:javascript
复制
cd ~/biosoft/vcf2maf/
export VCF2MAF_URL=`curl -sL https://api.github.com/repos/mskcc/vcf2maf/releases | grep -m1 tarball_url | cut -d\" -f4`
curl -L -o mskcc-vcf2maf.tar.gz $VCF2MAF_URL; tar -zxf mskcc-vcf2maf.tar.gz; cd mskcc-vcf2maf-*
mv * ../ 
perl ~/biosoft/vcf2maf/vcf2maf.pl --man 

帮助文档如下:

代码语言:javascript
复制
[jianmingzeng@jade mskcc-vcf2maf-747a1bb]$ perl vcf2maf.pl  --help
Usage:
     perl vcf2maf.pl --help
     perl vcf2maf.pl --input-vcf WD4086.vcf --output-maf WD4086.maf --tumor-id WD4086 --normal-id NB4086
Options:
     --input-vcf      Path to input file in VCF format
     --output-maf     Path to output MAF file
     --tmp-dir        Folder to retain intermediate VCFs after runtime [Default: Folder containing input VCF]
     --tumor-id       Tumor_Sample_Barcode to report in the MAF [TUMOR]
     --normal-id      Matched_Norm_Sample_Barcode to report in the MAF [NORMAL]
     --vcf-tumor-id   Tumor sample ID used in VCF's genotype columns [--tumor-id]
     --vcf-normal-id  Matched normal ID used in VCF's genotype columns [--normal-id]
     --custom-enst    List of custom ENST IDs that override canonical selection
     --vep-path       Folder containing the vep script [~/vep]
     --vep-data       VEP's base cache/plugin directory [~/.vep]
     --vep-forks      Number of forked processes to use when running VEP [4]
     --buffer-size    Number of variants VEP loads at a time; Reduce this for low memory systems [5000]
     --any-allele     When reporting co-located variants, allow mismatched variant alleles too
     --ref-fasta      Reference FASTA file [~/.vep/homo_sapiens/91_GRCh37/Homo_sapiens.GRCh37.75.dna.primary_assembly.fa.gz]
     --filter-vcf     A VCF for FILTER tag common_variant. Set to 0 to disable [~/.vep/ExAC_nonTCGA.r0.3.1.sites.vep.vcf.gz]
     --max-filter-ac  Use tag common_variant if the filter-vcf reports a subpopulation AC higher than this [10]
     --species        Ensembl-friendly name of species (e.g. mus_musculus for mouse) [homo_sapiens]
     --ncbi-build     NCBI reference assembly of variants MAF (e.g. GRCm38 for mouse) [GRCh37]
     --cache-version  Version of offline cache to use with VEP (e.g. 75, 84, 91) [Default: Installed version]
     --maf-center     Variant calling center to report in MAF [.]
     --retain-info    Comma-delimited names of INFO fields to retain as extra columns in MAF []
     --min-hom-vaf    If GT undefined in VCF, minimum allele fraction to call a variant homozygous [0.7]
     --remap-chain    Chain file to remap variants to a different assembly before running VEP
     --help           Print a brief help message and quit
     --man            Print the detailed manual

上面的命令参数看的头晕,没关系,学习一个新的软件最好的方法就是实践:

代码语言:javascript
复制
## 自己单独运行VEP,注释速度很慢
# Processed 1969 total variants (9 vars/sec, 9 vars/sec total)
perl ~/vep/variant_effect_predictor.pl  -i somatic.vcf  -o test.vcf  \
--cache --force_overwrite  --assembly GRCh38 --vcf
# 看起来上面的VEP完全没有必要运行

# 一步到位,包括VEP和 vcf2maf,而且注释非常快,因为调用了5个线程
# Processed 1969 total variants (53 vars/sec, 53 vars/sec total)
 perl ~/biosoft/vcf2maf/vcf2maf.pl --input-vcf somatic.vcf   --output-maf test.maf  \
 --ref-fasta ~/.vep/homo_sapiens/86_GRCh38/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz \
 --tumor-id 1092NTT  --normal-id  1257NT --ncbi-build GRCh38

通常我们是批量运行:

代码语言:javascript
复制
for i in  *filter.vcf ;
do
echo $i
j=$(basename "$i" _filter.vcf )
echo ${j^^}
perl ~/biosoft/vcf2maf/vcf2maf.pl --input-vcf $i   --output-maf ${j^^}.maf  \
--ref-fasta ~/.vep/homo_sapiens/86_GRCh38/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz \
--tumor-id  ${j^^}_T  --normal-id ${j^^}_N --ncbi-build GRCh38
done 
代码语言:javascript
复制
1.3M May 30 14:00 OSCC_01.maf
745K May 30 14:01 OSCC_04.maf
576K May 30 14:01 OSCC_06.maf
730K May 30 14:02 OSCC_09.maf

默认调用5个线程,所以注释速度非常快!!!

得到的maf后,肿瘤外显子测序数据的上游分析就到此为止了,接下来的下游分析,也就是联系自己的项目设计实际情况来讲生物学故事,会更折磨人!!!

如果你没有自己的肿瘤外显子下面,却想一步到位拿到maf去练手,可以直接下载tcga数据库的,看昨天教程:

生信小技巧第8课,加上 TCGA的28篇教程- 批量下载TCGA所有数据

比如你可以下载TCGA里面的乳腺癌的1000个左右的样本的突变信息,绘图如下:

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-06-17,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信技能树 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档