使用SNVSniffer软件找somatic mutation

生信技能树

发布于 2020-10-26 10:48:24

8190

发布于 2020-10-26 10:48:24

SNVSniffer软件发表在BMC Syst Biol. 2016 Aug，文章标题是：《SNVSniffer: an integrated caller for germline and somatic single-nucleotide and indel mutations》。一般来说，新的软件发表，必须跟该领域比较流行的软件进行性能比较，该软件也和VarScan2, SomaticSniper, JointSNVMix2 and MuTect进行了比较。

SNVSniffer and synthetic samples are publicly available at http://snvsniffer.sourceforge.net

背景知识

体细胞突变（somatic mutation）是指患者某些组织或者器官后天性地发生了体细胞变异，虽然它不会遗传给后代个体，却可以通过细胞分裂，遗传给子代细胞。体细胞突变对肿瘤的发生发展有关键性的作用，并且它也是制定肿瘤癌症靶向治疗措施的关键所在。

NGS使体细胞变异的检测更加全面，成本更低，在检测多种体细胞变异上具有很大的优势，但在使用过程中还存在着挑战：如**样品降解、覆盖度不足、遗传异质性和组织污染（杂质)等问题。为应对以上挑战，降低错误率，科学家采取了不同的算法和统计模型用于检测体细胞突变。目前最受欢迎的有Varscan、SomaticSniper、 Strelka 和MuTect2 **。这些软件大都是直接对肿瘤-正常样本的每个位点进行比较，对肿瘤样本中明显高于正常样本的次等位基因进行标记，作为体细胞变异，同时排除种系突变和杂合性丢失（LOH）情况。虽然这些软件具有较高的引用率，并在不断地更新，但仍存在不足：

a 、缺乏完整可靠的实验来评估检测结果；
b、缺乏金标准，不能保证检测到的灵敏度和特异性最高；
c、在实际应用中，各软件的相对优缺点在很大程度上是未知的。

下面是TCGA计划采取的软件：

MuSE
varscan
MuTect
SomaticSniper

大家可以去下载到TCGA计划的这4个软件输出的maf文件格式的somatic突变信息文件哦。(文末有下载链接哈)

首先下载安装SNVSniffer

mkdir -p $HOME/biosoft/SNVSniffer
cd $HOME/biosoft/SNVSniffer
wget https://sourceforge.net/projects/snvsniffer/files/SNVSniffer-v2.0.4_bin_x86_64.tar.gz
tar zxvf SNVSniffer-v2.0.4_bin_x86_64.tar.gz
./SNVSniffer  somatic --help

针对N-T配对的bam文件运行SNVSniffer

主要是用到了SNVSniffer软件的的 somatic (a somatic SNV/indel caller from paired tumor-normal samples),

虽然支持3种输入数据；

-f <int> (input file format, default = 2)
	    0: mpileup format generated by SAMtools
	    1: pipeup format generated by MAQ
	    2: BAM format

但最常用的就是bam文件啦，默认格式。

ref=$HOME/biosoft/GATK/resources/bundle/hg38/Homo_sapiens_assembly38.fasta
$HOME/biosoft/SNVSniffer/SNVSniffer  somatic

normal_bam=N_recal.bam
tumor_bam=T_recal.bam
samtools view -H $normal_bam > normal_header.sam
samtools view -H  $tumor_bam >  tumor_header.sam  
$HOME/biosoft/SNVSniffer/SNVSniffer somatic  -g $ref \
normal_header.sam tumor_header.sam  $normal_bam  $tumor_bam  \
-o out.vcf

一般来说，都是一大波样品批量运行啦，需要一个一个config文件，主要是3列信息：

第一列是肿瘤命名
第二列是肿瘤病人的normal组织的bam文件地址
第三列是肿瘤病人的肿瘤组织的bam文件地址。

批量运行SNVSniffer的脚本如下：

ref=$HOME/biosoft/GATK/resources/bundle/hg38/Homo_sapiens_assembly38.fasta
$HOME/biosoft/SNVSniffer/SNVSniffer  somatic

cat $config_file |while read id
do
	arr=($id)
	normal_bam=${arr[1]}
	tumor_bam=${arr[2]}
	sample=${arr[0]}

	if((i%$number1==$number2))
	then
		if [  ! -f ${sample}_SNVSniffer.vcf  ]; then

      samtools view -H $normal_bam > ${sample}_normal_header.sam
      samtools view -H  $tumor_bam >  ${sample}_tumor_header.sam
      $HOME/biosoft/SNVSniffer/SNVSniffer somatic  -g $ref \
      ${sample}_normal_header.sam ${sample}_tumor_header.sam  $normal_bam  $tumor_bam  \
      -o ${sample}_SNVSniffer.vcf

		fi

	fi
	i=$((i+1))

done

有意思的是，这个SNVSniffer软件得到的vcf文件，每个肿瘤WES都是几万个somatic突变信息，太可怕了。如下所示：

#CHROM  POS     ID      REF     ALT     QUAL    FILTER  INFO    FORMAT  NORMAL  TUMOR
chr1    12112   .       A       G       .       PASS    DP=337;VT=SNP;SS=SOMATIC;HC=3.657;PVAL=0.0303704        GT:DP   0/0:115 0/1:222
chr1    14604   .       A       G       .       PASS    DP=105;VT=SNP;SS=SOMATIC;HC=3.657;PVAL=0.0424507        GT:DP   0/0:23  0/1:82
chr1    14610   .       T       C       .       PASS    DP=122;VT=SNP;SS=SOMATIC;HC=3.657;PVAL=0.0367495        GT:DP   0/0:26  0/1:96
chr1    16487   .       T       C       .       PASS    DP=66;VT=SNP;SS=SOMATIC;HC=3.657;PVAL=0.0419225 GT:DP   0/0:12  0/1:54
chr1    17614   .       G       A       .       PASS    DP=258;VT=SNP;SS=SOMATIC;HC=3.657;PVAL=0.0238812        GT:DP   0/0:150 0/1:108
chr1    17730   .       C       A       .       PASS    DP=186;VT=SNP;SS=SOMATIC;HC=4.350;PVAL=0.0752379        GT:DP   0/0:94  0/1:92
chr1    17746   .       A       G       .       PASS    DP=165;VT=SNP;SS=SOMATIC;LC=3.657;PVAL=0.00617743       GT:DP   0/0:80  0/1:85

这个就非常尴尬，一般来说，肿瘤WES的每个病人也就是几百个somatic突变信息的数量级，这个SNVSniffer软件一下子整出来了几万个，后续就算去理解SNVSniffer的算法，然后针对性的根据vcf文件的信息进行过滤也很麻烦。

所以同样的也放弃SNVSniffer软件。

SNVSniffer的其它功能

总共是5个功能：

snp (a SNP/indel caller),
somatic (a somatic SNV/indel caller from paired tumor-normal samples),
gsim (an Illumina-like read simulator for SNP/indel calling),
ssim (an Illumina-like tumor-normal sample pair simulator for somatic SNV/indel calling),
eval (a VCF-based evaluation algorithm for germine and somatic SNVs/indels).

大概率是用不上了，就不过多介绍。

还是需要继续看综述或者测评工具：

2016年文章：Evaluation of Nine Somatic Variant Callers for Detection of Somatic Mutations in Exome and Targeted Deep Sequencing Data，链接是：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0151664
2018年文章：A review of somatic single nucleotide variant calling algorithms fornext-generation sequencing data，链接是https://www.sciencedirect.com/science/article/pii/S2001037017300946

争取早日找到合适的工具替代GATK的Mutect2流程，见前面我的分享：最新最全的mutect2教程，

附上TCGA数据库maf突变资料官方大全

因为TCGA计划跨时太长，这些年找somatic变异的软件也很多，所以TCGA团队下功夫在计划结束后（April 2018）完整的系统性的整理了最后的somatic突变数据。依托于文章：Scalable Open Science Approach for Mutation Calling of Tumor Exomes Using Multiple Genomic Pipelines March 201810.1016/j.cels.2018.03.002

纳入的软件包括：

Deposited Data
MC3 Files		https://gdc.cancer.gov/about-data/publications/mc3-2017
Software and Algorithms
MuTect		https://github.com/broadinstitute/mutect
Pindel		https://github.com/genome/pindel
Radia		https://github.com/aradenbaugh/radia
VarScan2		http://dkoboldt.github.io/varscan/
SomaticSniper		https://github.com/genome/somatic-sniper
MuSE		https://github.com/danielfan/MuSE
Indelocator		http://archive.broadinstitute.org/cancer/cga/indelocator
Maf2Vcf		https://github.com/covingto/vcf2maf/