ANNOVAR变异位点注释软件

ANNOVAR 是一款变异位点注释软件，提供了多方位的注释功能，支持多个物种，是最受欢迎的注释软件之一。

支持的物种包括以下6种：

1. huamn
2. mouse
3. worm
4. fly
5. yeast
6. others

ANNOVAR 对于学术和非盈利机构而言是免费下载的，只需要注册个账号就可以了。下载之后，解压缩即可。解压缩之后的文件列表如下

├── annotate_variation.pl
├── coding_change.pl
├── convert2annovar.pl
├── example
├── humandb
├── retrieve_seq_from_fasta.pl
├── table_annovar.pl
└── variants_reduction.pl

ANNOVAR是用perl语言编写的，由一系列的perl脚本构成。其中annotate_variation.pl是最核心的脚本。

安装好之后，第一步就是下载相关的数据库，命令如下

annotate_variation.pl -downdb -buildver hg19 -webfrom annovar refGene humandb/

-downdb表明该命令的用途是下载数据库，-buildver指定基因组版本，默认为hg18, -webform指定下载的链接，默认是ucsc, refGene代表的是下载的数据库的名字，humandb表示数据库存储的路径。

对于指定版本的参考基因组而言，可以通过如下命令查看其所有的数据库

annotate_variation.pl -downdb -buildver hg19 -webfrom annovar avdblist hg19_list/

用法和第一个示例相同，只不过数据库的名字指定为avdblist, 下载成功后会有 一个对应的avdblist.txt，部分内容如下

hg19_abraom.txt.gz      20180312        23198051
hg19_abraom.txt.idx.gz  20180312        9837067
hg19_AFR.sites.2012_04.txt.gz   20140106        277370590
hg19_AFR.sites.2012_04.txt.idx.gz       20140106        22362560
hg19_ALL.sites.2010_11.txt.gz   20140106        179456415
hg19_ALL.sites.2010_11.txt.idx.gz       20140106        21944132
hg19_ALL.sites.2011_05.txt.gz   20140106        232127231

每一行代表一个数据库文件。

参考基因组相关数据库准备好之后，就可以进行注释了。

第一步就是准备输入文件，输入文件有两种格式

1. input

ANNOVAR自定义的格式，用空格或者制表符分隔，最少需要5列，分别代表染色体，起始位置，终止位置，参考基因组的碱基，变异之后的碱基，其他的列作为额外补充信息，示例如下

1 948921 948921 T C comments: rs15842, a SNP in 5' UTR of ISG15
1 13211293 13211294 TC - comments: rs59770105, a 2-bp deletion
1 11403596 11403596 - AT comments: rs35561142, a 2-bp insertion

2. VCF

VCF格式在之前的文章中介绍过了，这里不再赘述。VCF是突变分析的一种标准格式，大多数软件都支持这种格式的输出。

ANNOVAR可以识别的格式就这两种，当你有其他格式的snp calling结果时，可以使用convert2annovar.pl进行格式转换。比如将VCF和pileup格式的文件转换为annovar的输入格式

convert2annovar.pl -format pileup variant.pileup -outfile variant.query
convert2annovar.pl -format vcf4 variantfile -outfile variant.avinput

ANNOVAR软件的功能可以分成以下4大类

1. gene-based annotation

分析变异位点对蛋白质的影响，支持多种基因集，包括RefSeq, UCSC, ENSEMBL, GENCODE 等。

2. region-based annotation

分析变异位点是否位于基因组上的特殊区域，比如转录因子结合区域，组蛋白修饰区等。

3. Filter-based annotation

分析变异位点是否位于指定的数据库中，比如dbSNP, 1000G，ESP 6500等数据库，计算SIFT，PolyPhen, LRT, MutationTaster, MutationAssessor, FATHMM, MetaSVM, MetaLR等指标。

4. other functionalities

从基因组上根据坐标提取序列等小功能。

在实际分析中，主要使用annovar的注释功能。可以看到，annovar提供了3大类型的注释，在后续文章中，会详细讲述。