PolyPhen:分析人类非同义突变对蛋白质的影响

蛋白质是生命活动的基本单位，研究位于编码区的基因组变异，最重要的一点就是分析该变异是否会影响蛋白质的结构与功能。之前的文章中介绍了SIFT软件，本篇介绍另外一款软件PolyPhen-2。

PolyPhen-2 是Polymorphism Phenotyping v2 的缩写，从命名也可以看出，研究的是核苷酸多态和表型之间的关系，这里的核苷酸多态性指的就是SNP位点，而且是非同义突变nonsynonymous SNP位点，简称nsSNPs。表型指的就是蛋白质的结构和功能了，需要注意的一点就是，这款软件只针对human，不研究其他的物种。

官网链接如下

http://genetics.bwh.harvard.edu/pph2/

PolyPhen-2在预测氨基酸替换对蛋白质的影响时，会结合多序列比对的结果和蛋白质的三维结构等信息。它基于一个有监督的机器学习模型，计算出氨基酸替换改变蛋白质结构和功能的可能性。提供了两套数据用于建模，分别是HumDiv和HumVar。

HumVar适用于评估孟德尔遗传病相关的突变位点，而HumDiv适用于评估复杂疾病或者表型的突变位点。两种模型最终都会给出三个值，蛋白质结构和功能发生改变的概率值，假阳性率FPR，真阳性率TPR。

在对突变位点分类时，除了概率值以外，还需要关注假阳性率FPR。每种模型对于FPR值定义了不同的阈值。HumDiv模型的阈值为5%/10%,HumVar模型的阈值为10%/20%, 每种模型的阈值都是两个。以HumDiv模型进行说明，在概率值符合要求的条件下，FPR低于第一个值，即5%的变异位点，定义为probably damaging;FPR在第一个值和第二个值中间的，即5%到10%，定义为possibly damaging;高于第二个至，即大于10%，定义为benign。假阳性率越低，说明评估的结果越可靠。

在首页提供了一个在线服务，可以输入蛋白质序列，预测某个位点的氨基酸替换对该蛋白质的影响。

如上图所示，在Protein or SNP identifier对应的输入框中输入蛋白质的ID,默认支持的是UniProtKB数据库, 或者直接输入FASTA格式的蛋白质序列。在Position一栏中，填写氨基酸替换的位置，Substitution中分成两部分，AA1指定原始的氨基酸类型，AA2指定替换后的氨基酸类型，最后在Query description中输入查询的描述信息，点击Submit Query按钮提交即可。

查询的结果是一个html页面，分成了3个部分。

1. Query

对输入的蛋白质的基本信息进行描述，包括氨基酸突变的位置，突变前后氨基酸种类，蛋白质的描述信息等

2. Results

提供了基于HumDiv和HumVar两套训练数据集的结果，在结果中，会给出一个打分，这个score的取值范围为0-1，越接近1，说明氨基酸替换对蛋白质结构和功能造成影响的概率越大，同时还需要结合假阳性率FPR值做出最终的判断。

3. Details

这部分内容提供了多序列比对和蛋白质三维结构两部分结果。

多序列比对结果如下

蛋白质三维结构结果如下

如果有多个位点的数据需要查询，可以使用Batch query服务，链接如下

http://genetics.bwh.harvard.edu/pph2/bgi.shtml

当然也可以直接下载软件，本地运行，下载链接如下

http://genetics.bwh.harvard.edu/pph2/dokuwiki/downloads

这个软件只对大学和科研工作者免费，其他用户是需要收费的。

官方还提供了一个数据库WHESS, 事先计算了外显子区的非同义突变对蛋白质的影响，链接如下

http://genetics.bwh.harvard.edu/pph2/dbsearch.shtml

支持多种检索方式，具体可以参考官方示例，需要注意的是，基因组的位置是基于hg19版本的。在检索结果中，会给出HDiv和HVar两套结果，示例如下