ANNOVAR Filter-based Annotation

annnovar filter-based annotaton用于分析哪些变异位点是数据库中的已知位点，在判断时，除了染色体位置之外，allel也必须相同。region-based annotation 在分析时只考虑基因组位置，只要是存在overlap关系就会输出结果，而filter-based annotation会更加严格，首先要求基因组上的起始和终止位置必须完全一致，其次变异位点的allel也必须完全相同才行。

简而言之，filter-based annotation 就是在做一个数据库检索的工作，将和数据库中完全相同的记录输出出来，看上去就像在对原始输入文件进行一个筛选，所以叫做filter-based annotation。

对于filter-based annotatoin 而言，数据库众多，常用的数据库可以分成以下8个类别

1. 基于全基因组数据的突变位点频率数据库

• 1000g2015aug
• kaviar_20150923
• hrcr1
• cg69
• gnomad_genome

2. 基于全外显子组数据的突变位点频率数据库

• exac03
• esp6500siv2
• gnomad_exome

3. 特殊人群的突变位点频率数据库

• ajews
• TMC-SNPDB
• gme

4. 基于全基因组数据的突变位点功能预测数据库

• gerp++
• cadd
• cadd13
• dann
• fathmm
• eigen
• gwava

5. 基于全外显子数据的突变位点功能预测数据库

• dbnsfp30a

6. 剪切区域的突变位点功能预测数据库

• dbscsnv11
• spidex

7 . 疾病相关的突变位点数据库

• clinvar_20160302
• cosmic70
• icgc21
• nci60

8. 通用的突变位点数据库

• snp142
• avsnp142

数据库非常的多，每个数据库的详细介绍可以参考annovar的官方文档。这些数据库文件都比较大，从几个G到上百G都有，所以就不一一展示了。这里以1000g2015aug为例，进行说明

第一步，下载数据库，命令如下

annotate_variation.pl -buildver hg19 -downdb 1000g2015aug humandb

第二步，进行注释，命令如下

annotate_variation.pl -filter -dbtype 1000g2015aug_all -buildver hg19 ex1.avinput humandb/

NOTICE: Variants matching filtering criteria are written to ex1.avinput.hg19_ALL.sites.2015_08_dropped, other variants are written to ex1.avinput.hg19_ALL.sites.2015_08_filtered
NOTICE: Processing next batch with 23 unique variants in 23 input lines
NOTICE: Database index loaded. Total number of bins is 2824642 and the number of bins to be scanned is 19
NOTICE: Scanning filter database humandb/hg19_ALL.sites.2015_08.txt...Done

输出文件有两个，在数据库中有记录的输出到后缀为hg19_ALL.sites.2015_08_dropped文件中，这个文件在输入文件的基础上新增了两列注释信息，内容如下

1000g2015aug_all    0.0676917
1000g2015aug_all    0.620607
1000g2015aug_all    0.843251
1000g2015aug_all    0.0227636
1000g2015aug_all    0.548922
1000g2015aug_all    0.903155

第一列表示数据库的名字，第二列表示1000G数据库中的突变位点在人群中的等位基因频率MAF。

在数据库中没有的记录就输出到后缀为hg19_ALL.sites.2015_08_filtered文件中。

从这个例子可以看到，filter-based annotation其实包含了两个含义：filter 和 annotation, 对于数据库中存在的突变位点，采用数据库中的注释信息进行注释；对于数据库中不存在的突变位点，筛选出来保存到一个单独的文件中。

在使用filter-based annotation时，数据库的选择是核心。这就要求对于常用的数据库非常了解，知道其中存储了哪些注释信息，应用起来才能得心应手。在之前的文章中也对其中部分数据库进行了简单介绍，大家可以参考。

对于annnvar 而言，gene-based annotation 提供了两种信息，与突变位点距离最近的基因和突变位点在基因组特征上的分布；region-based annotation 提供了变异位点与某段区域的overlap信息，这里的某段区域可以灵活选择，比如转录因子结合区，组蛋白集合区等等；filter-based annotation 提供了数据库检索和过滤功能，不同类型的数据库提供了多种类型的注释信息。总而言之，annovar 软件使用起来简单方便，但是理解诸多的数据库才是核心。