1.背景知识

二代测序发现的变异数量是巨大的，以人类基因组为例，1个人类基因组包含近3500000个SNV突变和1000个拷贝数变异，其中约20000-25000个变异是在编码区，10000个位点发生了氨基酸编码改变，仅有50-100个发生了蛋白截断或功能缺失，手动检查每个位点非常耗时且有些不切实际。
Variant Effect Predictor（VEP）是一个功能强大的工具集，用于编码和非编码区域的基因组变异的分析、注释和优先排序。它提供了对广泛的基因组注释集合的访问，具有各种接口以适应不同的需求，以及用于配置和扩展分析的简单参数。它是开源的，免费使用，并支持结果完全复现。
默认情况下，VEP 使用基于归一化的等位基因匹配算法来识别与输入变体匹配的已知变体。由于输入和已知变体可能具有多个替代（ALT）或变体等位基因，因此每对参考（REF）和ALT等位基因都经过归一化并独立比较以达到潜在的匹配。VCF 允许在同一行上编码多个等位基因类型，而 dbSNP 将单独的 rsID 标识符分配给同一位点的不同等位基因类型。这意味着来自同一输入变体的不同等位基因可能会被分配不同的已知变体标识符。

并且，VEP 支持使用 HGVS 作为输入。此功能目前正在开发中，并非所有 HGVS 表示法类型都受支持。完全支持与基因组（g.）或编码（c.）序列相关的符号;蛋白质（P.）符号以有限的方式得到支持，因为确定可能产生单个蛋白质变化的多种可能的潜在基因组序列变化涉及复杂性。如果无法解析特定表示法，将发出警告。

2.vep功能

2.1 可注释变异类型

明确位置及序列改变的变异，全外显子组和全基因组检测出的变异，包含SNVs，insertions、deletion等。
VEP支持多种物种，也可自行构建数据库，不过使用ensemble数据库中所注释好的内容为最佳选择，可在https://ftp.ensembl.org/pub/release-108/variation/ 查看是否支持该物种。

2.2 注释结果信息

（1）功能注释信息，主要是把变异在基因组的位置和功能影响标出。包括基因信息和变异影响，信息来自RefSeq或Ensembl；
（2）频率信息，标记群体数据库频率，包含数据库总的频率及子群体频率。这部分信息主要在疾病研究中根据疾病的流行病学研究，有针对性的筛选低频或罕见变异，为人类疾病研究提供基础。高通量测序检出的变异数目众多，对于遗传病来说，要筛选出致病变异，需要过滤掉一些常见变异，群体变异库的使用可以进一步缩小筛选范围；
（3）软件预测结果信息，突变的致病性预测。可有效缩小变异范围，协助研究者更快找到致病基因；
（4）疾病数据库信息，HGMD、Clinvar等数据库信息，协助用户快速定位已知致病位点；

2.3 过滤筛选

VEP提供注释结果的简单过滤，主要包含：
（1）筛选功能突变，筛选出coding区和剪切区域的突变；
（2）按照频率过滤，筛选出低于指定频率的突变；
（3）按照遗传模式过滤。

3.软件下载与安装

3.1 安装vep的方式

（1）安装vep
a. 直接使用conda来安装vep软件，省去了多余复杂的配置问题，但是由于vep涉及到的软件版本和依赖较多，因此建议新建一个虚拟环境来安装

conda create -n vep # 需要创建一个虚拟环境安装vepconda activate vep  # 激活环境conda install -c bioconda ensembl-vep==108 ## 安装vpe，108是最新版本

b. 使用docker安装

docker pull ensemblorg/ensembl-vep

(2)下载vep相应的数据库
cache 数据集的下载
cache是一个可下载的文件，包含一个物种的所有转录模型，调控特征和变异数据。下载使用cache是使用VEP的最快和最有效的方法，因为在大多数情况下，只建立一个初始网络连接，大多数数据是从本地磁盘读取的。使用离线模式消除所有网络连接的速度和/或隐私。cache 只有两种类型，分别是refseq和merged。在此基础上，VEP运行时还可以使用plugin和custom参数自定义添加数据库。
注意：强烈建议下载/使用对应于Ensembl VEP安装的VEPcache版本，即VEP cache版本108应该与Ensembl VEP工具版本108一起使用。这主要是由于VEP cache(数据内容和结构)是在每个Ensembl版本中生成的，关于此版本的数据和API更新，因此cache数据格式可能在版本之间有所不同(并且与新版本的Ensembl VEP工具不兼容)。
cache 包含的信息：转录本位置，序列，外显子和其他属性；每个转录本的基因、蛋白质、 HGNC 和其他标识符(在适用情况下，仅适用于 RefSeq cache)；现有变异的位置、等位基因和频率；调控区域；SIFT，PolyPhen 的预测和分数；
cache下载方式：进入vep官网：https://ftp.ensembl.org/pub/release-108/variation/
点击vep 进入新的界面，选择需要的的物种和相应版本的cache文件包，点击右键，复制链接，在服务器中wget下载；
(3) 下载vep相关的插件
vep插件放在github公共仓库中（链接：https://github.com/Ensembl/VEP_plugins），根据需要下载相应的插件；
vep官网有vep插件的详细介绍（链接：https://asia.ensembl.org/info/docs/tools/vep/script/vep_plugins.html）；

4.vep的使用

4.1.使用基本的参数进行测试

/opt/vep/src/ensembl-vep/vep -i ${sample}.vcf \ # 输入的vcf文件
--dir_cache ${dir_cache} \ # cache文件包路径
--fork 4 \ # 线程数
--refseq /--merged \ # cache文件包的种类，vep 的cache文件包只有两种，分别是refseq，merged
--format vcf \
--output_file test.vcf \
--custom ${dir_plugins}/MT.mitomap.vcf.gz,Mitomap,vcf,exact,0,AC,AF,Disease,DiseaseStatus \
--offline \
--assembly GRCh37 \
--use_given_ref \
--vcf \
--force_overwrite \

4.2 在docker下使用

docker run -t -i -v $HOME/vep_data:/opt/vep/.vep ensemblorg/ensembl-vep

vep官网中有关运行vep有很多参数，比如 Basic options 、Cache options 、Other annotation sources、 Output format options 等，其包含很多参数选项和简介，根据不同的需求选择合适的参数；vep参数的网站 https://asia.ensembl.org/info/docs/tools/vep/script/vep_options.html

SNP注释神器——VEP（生信）相关推荐

重磅！这个生信神器助你文章秒出图——miRNA与基因互作数据库
我们熟知,在特定情况下,microRNA(miRNA)可以直接或间接激活和抑制基因表达.但是,尚没有基于多组学的数据库能够证明对激活与抑制以及正常与癌症状况之间相互作用模式转换的系统数据.今天我们为大 ...
cluego使用说明_生信分析绘图神器，你值得拥有！
GO和KEGG分析是最常用的生信分析方法,在SCI论文中也经常见到,那么你能想到的GO和KEGG分析结果的展示方法有哪些? 条形图? 条形图2? 饼状图? 表格? 相比于上面这些,这样的网络图展示起来 ...
perl语言入门第七版电子版_百迈客带您走近生信分析【入门篇】
年末促销倒计时:59天百迈客推出年末活动促销,发文有礼.推广有礼以及多种产品钜惠来袭,百迈客为您倾情打造科研福利,您还在等什么?快快行动起来领取您的超级奖励吧!(详情请见"决战2020!品 ...
生信分析流程构建的几大流派
导言构建生信分析流程是生物信息学从业人员必备的技能之一,对该项能力的评估常常是各大公司招录人员的参考项目之一. 在进行 ngsjs 项目时,我做了一张示意图来表示一些高通量测序数据分析项目重现性的要 ...
9文一览：近期必读微生物组生信论文
今天是第2061期日报. Nature子刊:使用GT-Pro快速准确地对人体肠道菌群进行宏基因分型 Nature Biotechnology[IF:54.908] ① 作者开发了GT-Pro,使用高质 ...
推荐我们在B站免费的生信入门基础课程|测序原理，GO/GSEA/WGCNA
点击**阅读原文**直达! 经典升级 | 第 17 期高级转录组分析和R数据可视化火热报名中!!! Nature重磅综述 |关于RNA-seq,你想知道的都在这 RNA-seq最强综述名词解释& ...
生信宝典教程大放送，一站式学习生信技术
生物信息学包含生物数据分析.数据可视化.重复工作程序化,是生物.医学科研必备的技能之一.生信宝典精心组织生信学习系列教程.生信工具精品教程,通过大量的生信例子.关键的注释.浓缩的语句和录制的视频帮助快 ...
【生信】初探基因定位和全基因组关联分析
初探QTL和GWAS 文章目录初探QTL和GWAS 实验目的实验内容实验题目第一题:玉米MAGIC群体的QTL分析第二题:TASSEL自带数据集的关联分析实验过程玉米MAGIC群体的QT ...
送书 | 知乎阅读300w+的生信学习指南（更新版）
先送书在上周的留言送书活动中,恭喜下面这位读者获得书籍"Oracle高性能系统架构实战大全",请及时与生信宝典编辑(shengxinbaodian)联系. 2020过去三分之一了 ...

SNP注释神器——VEP（生信）

VEP使用简介