ANNOVAR使用笔记-过流程

gatk的germline mutation call完之后，得到VQSR过滤之后的VCF文件，之前使用了gvcf模式，这里是多个样本合并起来的的文件。 首先官网下载ANNOVAR软件，需要注册。官网地址 解压后里面有很多.pl文件，这些是用perl写的脚本，可以直接运行，类似于： perl table_annovar.pl +参数 初级主要用到的有 annotate.pl 下载数据库，注释数据 convert2annovar.pl 将变异文件转化annovar可以使用的文件格式 annotate_variation.pl 一次注释一个数据库 table_annovar.pl 一次可以对多个数据库进行注释

下面下载需要的注释数据库文件 ANNOVAR下载的时候自带了一部分参考基因组注释文件，如hg19_refGene等。通常需要下载其它的数据库，有gene-based annotation，filter-based annotation数据库用户贡献数据库以及第三方数据库，由于我这次没有用到，也没有去了解其它数据库。 这些数据库在ANNOVAR官网都有列出来，我自己常用的有： ljb26_all，dbnsfp35c，exac03，1000g2015aug，avsnp150，clinvar_20200316，cytoBand 下载格式类似于：

perl annotate_variation.pl -buildver hg19 -downdb -webfrom annovar ljb26_all humandb/

由于我的是gvcf模式得到的多个样本的vcf文件，首先拆分转换为annovar的输入文件，代码类似于：

convert2annovar.pl -format vcf4 indir/${cohort}.passed.vcf.gz -outfile outdir/${cohort} -allsample

其中在我这里cohort为样本组的名字

然后使用table_annovar.pl同时进行多个数据库的注释，代码类似于：

samples=$(ls ${outdir} | grep ${cohort} ) for sample in $samples do echo $sample id=$(echo $sample | awk -F_ '{print $1}') #这个因样本名而异 echo $id perl table_annovar.pl $outdir/${sample} \ humandb/ -buildver hg19 \ -out myanno -remove -protocol refGene,cytoBand,exac03,avsnp150,dbnsfp35c \ -operation g,r,f,f,f -nastring . -vcfinput \ #g,r,f,f,f 代表对refGene,cytoBand,exac03,avsnp150,dbnsfp35c这五个数据库分别进行gene-based annotation,region based annotation, filter-based annotation -polish --outfile $outdir/${id} && echo "$id done" done

最终会得到id为前缀的注释文件，即id.hg19_multianno.txt 用于下一步分析。