variant的过滤 | filtering and prioritizing genetic variants
WGS和WES测序和分析会产生大量的variant数据。
显然直接分析全部的variant是非常不靠谱的。
做疾病的话,有一些常用的过滤套路。
variant作用于基因表达主要分两大类:
1. coding,可以直接影响RNA的形成,以及后面蛋白的折叠组装;
2. non-coding,现在最流行的就是enhancer这个媒介,已经有比较好的结果了。
过滤的必要性
首先GWAS已经做了,要理解GWAS产生了哪些结果,GWAS的局限性在哪?
Our previous meta-analysis of genome-wide association studies estimated that common variants together account for a small proportion of heritability estimated from family studies.4 Rare variants might therefore contribute significantly to the missing heritability.
Most of these variants (77.5%) were novel or rare (MAF < 1%).
common variants是很容易通过GWAS分析找到的,因为出现的频率较高,很少的样本就有很大的power来把它们检测出来,但common variant通常都是在非编码区的,通过非常复杂的调控来影响疾病,而且common variant的解释度很低,并不是疾病的主导因素。所以,目前都转向了rare variants,rare的通常都在编码区,直接改变了蛋白,影响疾病的方式比较直接,但显然我们需要非常大的样本量才有足够的power来检测出rare variants。
The analysis showed the strongest association of 328 variants with HSCR (P < 5 10–8), all of which mapped to the known disease susceptibility loci of RET and NRG1 (Figure 1A, upper panel).
GWAS直接找到了328个显著的variants,但显然它们的LD高度相关,最终也就是两个gene而已。而且这两个基因早就已知了,所以这个GWAS在初级层面没有任何新的有价值的发现。
Among the 936 WGS samples, a total of 4985 protein-truncating URVs were detected. 这基本就是我需要用到的数据了。
关于PCR扩增时候产生的错误,以及测序质量产生的错误。
用DP、GQ可以过滤一大部分,还有后面的BQSR也可以矫正。
可能用到的数据库:
1. 1000 genome,测得人太少,才千把个,到某个群体就更少了
2. gnomAD,125,748 exome sequences and 15,708 whole-genome sequences,感受一下这个霸气的测序量
3. ExAC,外显子测序,60,706 unrelated individuals
4. ensemble
注意的问题:
1. 疾病的人群,我们关注的是East Asian
2. 疾病的发病率,highest among Asians (2.8/10,000 live births),一般设在千分之5比较靠谱
比较好用的变异注释工具(不同工具注释出来的结果差异还是很大的,见paper)
perl annotate_variation.pl -buildver hg19 -downdb -webfrom annovar refGene humandb/
annotate_variation.pl -out ex1 -build hg19 example/ex1.avinput humandb/
convert2annovar.pl -format vcf4 HK152C.vcf > HK152C.avinput
annotate_variation.pl -out HK152C -build hg19 HK152C.avinput /home/lizhixin/softwares/annovar/humandb/
这是实际的时候,需要把vcf转成特定的格式。
注释出来的functional consequences结果:nonsynonymous SNV, synonymous SNV, frameshift insertion, frameshift deletion, nonframeshift insertion, nonframeshift deletion, frameshift block substitution, nonframshift block substitution
什么是nonframeshift deletion?看这里,就是以3个为一组,删除了,并没有影响阅读框架。
annovar也可以用来过滤variants
annotate_variation.pl -downdb -webfrom annovar -build hg19 gnomad211_exome humandb/
annotate_variation.pl -downdb -webfrom annovar -build hg19 gnomad211_genome humandb/
java -jar /home/lizhixin/softwares/kggseqhg19/kggseq.jar --buildver hg19 --vcf-file HSCR.WGS.2_5.variants.vcf.gz --db-filter 1kgeas201305,gadexome,gadgenome --rare-allele-freq 0.005 --o-vcf
'--rare-allele-freq c' will excluded variants with alternative allele frequency EQUAL to or over c in the reference datasets
过滤的标准
- allele frequency,如:把高于千分之5的过滤掉
- 已知基因集
- 杂合纯合
- protein-truncating (stopgain, splicing, or frameshift)
example: rs2435357
gnomAD,这还能用allele frequency来过滤吗?这个是common variants,在非编码区,effect size是非常小的。
Variant Annotation 参见paper
Annotation was done using KGGseq for protein function against the RefGene, pathogenicity, and population frequencies.
We defined protein-truncating variants as those that lead to (1) gain of the stop codon, (2) frameshift and (3) alteration of the essential splice sites.
Damaging variants include all proteintruncating variants and missense or in-frame variants predicted to be deleterious by KGGseq. Benign variants are missense variants or in-frame variants predicted benign by KGGseq.
Finally, protein-altering variants comprise both damaging and benign variants. Rare variants are those whose minor allele frequency (MAF) is <0.01 in public databases. Ultra-rare variants (URVs) are defined as a singleton variant, that is, one that appeared only once in our whole data set, not present in dbSNP138 or public databases
参见KGGseq的这个命令:Gene feature filtering
variant的类型:
- Putative LoF variants
- Nonsynonymous and missense variants
- Synonymous variants
- Exonic variants
A frameshift mutation is a genetic mutation caused by a deletion or insertion in a DNA sequence that shifts the way the sequence is read.
a transcript is defined by its exons, introns and UTRs and their locations
牢记经典的基因结构模型非常重要:
梳理一下:
在基因组上,有promoter和enhancer,他们在转录因子的作用下启动转录过程,然后就进入基因的结构,基因的前后都有UTR,就是不转录的区域,然后就是由Exon和Intron交替排列的核心区域。intron里面往往有很多调控元件,如enhancer。
参考:
A practical guide to filtering and prioritizing genetic variants
Choice of transcripts and software has a large effect on variant annotation
Gene Structure - mRNA和蛋白是如何转化而来的
Regulation of Gene Expression: Operons, Epigenetics, and Transcription Factors - 调控是如何进行的
Eukaryotic Gene Regulation part 1
细节操作:
Extract subset of samples from multigenome vcf file
拆分样本,独立注释:
for i in HK152C HK154C HK162C HK175C HK180C; do
echo $i
vcf-subset -e -c $i hscr2zxl.sel.vcf.gz > ${i}.vcf # | bgzip -c
done
无义介导的mRNA降解(nonsense-mediated mRNA decay,NMD)
Nonsense-mediated RNA decay in the brain: emerging modulator of neural development and disease
variant的过滤 | filtering and prioritizing genetic variants的更多相关文章
- LINQ Operators之过滤(Filtering)
转:http://www.cnblogs.com/lifepoem/archive/2011/11/16/2250676.html 在本系列博客前面的篇章中,已经对LINQ的作用.C# 3.0为LIN ...
- LINQ之路11:LINQ Operators之过滤(Filtering)
在本系列博客前面的篇章中,已经对LINQ的作用.C# 3.0为LINQ提供的新特性,还有几种典型的LINQ技术:LINQ to Objects.LINQ to SQL.Entity Framework ...
- 变异的功能 | variants function | coding | non-coding
variant主要分为两类: coding noncoding 这两大类的分析方法截然不同,coding主要直接影响了mRNA和蛋白:而noncoding,主要是影响调控. coding编码区如何分析 ...
- 利用maven中resources插件的copy-resources目标进行资源copy和过滤
maven用可以利用如下配置进行资源过滤,pom.xml的配置如下: <build> <!-- 主资源目录 --> <resources> <resource ...
- 三 drf 认证,权限,限流,过滤,排序,分页,异常处理,接口文档,集xadmin的使用
因为接下来的功能中需要使用到登陆功能,所以我们使用django内置admin站点并创建一个管理员. python manage.py createsuperuser 创建管理员以后,访问admin站点 ...
- drf 认证、权限、限流、过滤、排序、分页器
认证Authentication 准备工作:(需要结合权限用) 1. 需要使用到登陆功能,所以我们使用django内置admin站点并创建一个管理员. python manage.py creates ...
- DRF之权限认证,过滤分页,异常处理
1. 认证Authentication 在配置文件中配置全局默认的认证方案 REST_FRAMEWORK = { 'DEFAULT_AUTHENTICATION_CLASSES': ( 'rest_f ...
- drf07 过滤 排序 分页 异常处理 自动生成接口文档
4. 过滤Filtering 对于列表数据可能需要根据字段进行过滤,我们可以通过添加django-fitlter扩展来增强支持. pip install django-filter 在配置文件sett ...
- drf之组件(认证、权限、排序、过滤、分页等)和xadmin、coreapi
认证Authentication 可以在配置文件中配置全局默认的认证方案 REST_FRAMEWORK = { 'DEFAULT_AUTHENTICATION_CLASSES': ( 'rest_fr ...
随机推荐
- MES被重新定义?做到这几点才算智能制造
在工业4.0背景下,推动智能制造,构建智能工厂.智能生产.智能物流和智能服务体系,我们需要对MES系统重新进行定义,主要从以下几个方面进行说明: MES深度融入企业运营环节 智能工厂中的机器将全部由软 ...
- React 性能优化之组件动态加载(react-loadable)
React 项目打包时,如果不进行异步组件的处理,那么所有页面所需要的 js 都在同一文件中(bundle.js),整个js文件很大,从而导致首屏加载时间过长. 所有,可以对组件进行异步加载处理,通常 ...
- RedHat 6 安装 MySQL 5.5 流程记录及相关问题解决方案
目录 1. RedHat 中 使用 yum 方式安装 MySQL 2. 安装过程中遇到的问题 1. RedHat 中 使用 yum 方式安装 MySQL 1.1 删除系统自带的 MySQL 5.1 r ...
- CentOS操作系统内核升级
一.升级内核(带aufs模块,记住一定要升级,要不然会出现很多莫名奇怪的问题,建议用yum安装) 1.yum安装带aufs模块的3.10内核(或到这里下载kernel手动安装:http://down. ...
- Kubernetes 监控
1. Weave Scope Weave Scope 容器地图 创建 Kubernetes 集群并部署容器化应用只是第一步.一旦集群运行起来,我们需要确保一起正常,所有必要组件就位并各司其职,有足够的 ...
- Element布局实现日历布局
1.基于Bootstrap的栅格布局 <div id="home" style="margin-top: 60px;"> <div class ...
- 洛谷【P1498】:南蛮图腾(分治算法)
传送门 题目描述就不用看了,直接上样例就行: 输入样例#1: 2 输出样例#1: /\ /__\ /\ /\ /__\/__\ 输入样例#2: 3 输出样例#2: /\ /__\ /\ /\ /__\ ...
- Object类.时间日期类.System类.Stringbuilder类.包装类
Object类 java.lang.Object类是java语言中的根类,即所有类的父类.它中描述的所有方法都可以使用.在对象实例化的时候,最终找的父类就是Object. 如果一个类没有特别指定父类, ...
- 实验十四:团队项目评审&课程学习总结
项目 内容 作业所属课程 所属课程 作业要求 作业要求 课程学习目标 (1)掌握软件项目评审会流程:(2)反思总结课程学习内容 任务一:团队项目审核已完成.项目验收过程意见表已上交. 任务二:课程学习 ...
- Activity间通过Intent交互及系统服务调用
I. 实验目的通过本实验理解Android开发框架中最核心程序部件Activity间通过Intent交互的原理,掌握通过Intent传递参数和系统服务调用的方法,并通过实验中的3个具体的实验内容加深理 ...