VEP — 高效的变异注释工具

生信菜鸟团

发布于 2024-04-11 15:02:03

1990

发布于 2024-04-11 15:02:03

工欲善其事必先利其器

1VEP

Ensembl Variant Effect Predictor (VEP) 是由欧洲生物信息研究所（European Bioinformatics Institute, EMBL-EBI）开发的一个高效的基因变异注释工具。VEP是一个强大的工具，其具有以下特性：

广泛的注释功能：VEP 可以注释多种类型的变异，包括单核苷酸多态性（SNPs）、插入和删除（indels）、拷贝数变异（CNVs）和结构变异（SVs）。
灵活性：用户可以通过命令行界面或网页界面使用VEP，使其适应不同的工作流程和需求。
兼容性：VEP 支持多种基因组版本，包括人类、小鼠、斑马鱼等多种物种，便于跨物种比较研究。
高效性：VEP 设计用于高效处理大规模数据集，能够快速处理成千上万的变异。
定制化输出：用户可以根据需要定制输出格式和内容，例如只选择特定类型的注释或影响。
集成其它数据库：VEP 可以集成来自其他数据库的信息，如dbSNP、ClinVar等，为变异提供更全面的生物学背景。
插件系统：VEP 提供了一个插件系统，允许用户或开发者添加新的功能或注释来源，以满足特定的研究需求。

官网：https://asia.ensembl.org/info/docs/tools/vep/index.html

文档：http://asia.ensembl.org/info/docs/tools/vep/script/vep_cache.html

github：https://github.com/Ensembl/ensembl-vep

2发表文章

题目: The Ensembl Variant Effect Predictor 期刊：Genome Biology 日期：2016年6月6日 作者&单位：William McLaren & 欧洲生物信息研究所DOI：https://doi.org/10.1186/s13059-016-0974-4

3如何安装

其官网介绍了多种安装方法，我感觉最简单的还是使用Singularity来安装使用。关于Singularity的用法见：Singularity — 生信流程搭建好帮手

mkdir vep

singularity pull --name vep.sif docker://ensemblorg/ensembl-vep

## 下载缓存文件
mkdir $HOME/vep_data

singularity exec vep.sif vep --dir $HOME/vep_data --help
singularity exec vep.sif INSTALL.pl -c $HOME/vep_data -a cf -s homo_sapiens -y GRCh38
singularity exec vep.sif vep --dir $HOME/vep_data -i examples/homo_sapiens_GRCh38.vcf --cache  ##示例数据，可不下载

下载成功

当然，除了使用安装程序来下载 INSTALL.pl 也可以使用从其官方链接直接下载：

https://ftp.ensembl.org/pub/release-111/variation/indexed_vep_cache/

cd $HOME/.vep
curl -O https://ftp.ensembl.org/pub/release-111/variation/indexed_vep_cache/homo_sapiens_vep_111_GRCh38.tar.gz
tar xzf homo_sapiens_vep_111_GRCh38.tar.gz

4功能简述

VEP —— 高效的基因变异注释工具，可以快速地确定变异在基因组中的位置、影响的转录本以及变异对蛋白质功能的可能影响，例如导致蛋白质结构的改变或功能丧失。同时它可以处理多种类型的变异，包括单核苷酸变异（SNVs）、插入删除（indels）、拷贝数变异（CNVs）等。

5基本使用

## 最小化命令
./vep --cache -i input.txt -o output.txt

--cache # 让VEP通过本地缓存来加速注释过程。

#在非脊椎动物运行，需要额外添加一些参数
--genomes # 选项是为了指示VEP连接到正确的数据库服务器，这个服务器专门存储非脊椎物种的基因组数据。这个选项确保VEP能够访问并使用适合给定物种的数据库

##比如对小麦的变异注释（triticum_aestivum）
 ./vep -i input.txt -o output.txt --species triticum_aestivum --database --genomes 
--species # 指定物种

##对于细菌或原生生物 （protists_euglenozoa1）
 ./vep -i input.txt -o output.txt --species protists_euglenozoa1 --database --genomes --is_multispecies 1
--is_multispecies 1 # 告诉VEP该数据库包含多种物种的基因组数据，其会按照特定方式处理这些数据

## 指定特定版本号
 ./vep -i input.txt -o output.txt --species triticum_aestivum --cache --cache_version 42 
#对于非脊椎物种，Ensembl Genomes的版本号与脊椎动物的版本号不同。--cache_version 选项允许用户指定正确的Ensembl Genomes版本号

singularity 调用示例

singularity exec vep.sif \
  vep --dir $HOME/vep_data \
      --cache --offline --format vcf --vcf --force_overwrite \
      --input_file input/my_input.vcf \
      --output_file output/my_output.vcf \
      --plugin NMD

--dir #指定vep使用的缓存数据目录
--offline # 启用离线模式，不会建立数据库连接，需要已下载好本地缓存文件
--format vcf：# 指定输入文件的格式为VCF（Variant Call Format
--vcf # 指定输出格式为VCF
--force_overwrite：# 如果输出文件已存在，允许VEP覆盖它
--plugin NMD：# 指定VEP使用NMD（Nonsense-Mediated Decay）插件。NMD插件用于预测变异是否会触发无义介导的mRNA降解机制

若不使用官方提供的预注释文件

官方预处理注释文件下载：https://ftp.ensembl.org/pub/release-111/variation/indexed_vep_cache/

对于VEP没有预先提供注释文件的物种或者是新的、特定的基因组组装版本、用户需要在注释过程中使用经过定制的基因组特征或注释等情况下，用户可以自己提供GFF或GTF文件以及相应的基因组序列（FASTA文件）。不过GTF或GFF文件必须按染色体顺序排序，删除header信息且文件需要进行bgzip压缩并用tabix进行索引

##GFF文件
grep -v "#" data.gff | sort -k1,1 -k4,4n -k5,5n -t$'\t' | bgzip -c > data.gff.gz
tabix -p gff data.gff.gz
./vep -i input.vcf --gff data.gff.gz --fasta genome.fa.gz
## 与缓存注释文件一起使用（多个注释文件）
./vep -i input.vcf --cache --gff data.gff.gz --fasta genome.fa.gz

##GTF件同上
./vep -i input.vcf --gtf data.gtf.gz --fasta genome.fa.gz
./vep -i input.vcf --cache --gtf data.gtf.gz --fasta genome.fa.gz

自定义注释输出

使用逗号分隔来配置每个自定义文件键值对列表

singularity exec vep.sif \
  vep --dir $HOME/vep_data \
      --cache --offline --format vcf --vcf --force_overwrite \
      --input_file input/my_input.vcf \
      --output_file output/my_output.vcf \
      --custom file=/path/to/custom_files/clinvar.vcf.gz,short_name=ClinVar,format=vcf,type=exact,coords=0,fields=CLNSIG%CLNREVSTAT%CLNDN 

--custom # 允许用户添加自定义注释