【SnpEffの使い方】変異にアノテーションを付加する

はじめに

全ゲノムシーケンス(WGS)や全エクソームシーケンス(WES)を実施するとたくさんの変異が見つかります。 たくさんの変異の中から特に重要な変異を見つけ出すためには変異のアノテーションを実施する必要があります。

変異のアノテーションによく使われているソフトウェアの一つがSnpEffです。 変異検出結果(VCFファイル)をSnpEffに与えると、変異に対してアノテーションを付加したVCFファイルを出力できます。

インストール

以下のコマンドでインストールします。
$ wget https://snpeff.blob.core.windows.net/versions/snpEff_latest_core.zip $ unzip snpEff_latest_core.zip
ヘルプを表示してみます。
$ java -jar snpEff.jar --help
以下のような内容が表示されれば成功です。
SnpEff version SnpEff 5.1d (build 2022-04-19 15:49), by Pablo Cingolani Usage: snpEff [command] [options] [files] Run 'java -jar snpEff.jar command' for help on each specific command Available commands: [eff|ann] : Annotate variants / calculate effects (you can use either 'ann' or 'eff', they mean the same). Default: ann (no command or 'ann'). build : Build a SnpEff database. buildNextProt : Build a SnpEff for NextProt (using NextProt's XML files). cds : Compare CDS sequences calculated form a SnpEff database to the one in a FASTA file. Used for checking databases correctness. closest : Annotate the closest genomic region. count : Count how many intervals (from a BAM, BED or VCF file) overlap with each genomic interval. ...

アノテーションの付加

以下のコマンドでアノテーションを付加します。
$ java -Xmx8g -jar snpEff.jar -v GRCh37.75 test.vcf > test.ann.vcf

アノテーション前(test.vcf)

#CHROM POS ID REF ALT QUAL FILTER INFO 22 17071756 . T C . . . 22 17072035 . C T . . . 22 17072258 . C A . . . 22 17072674 . G A . . . 22 17072747 . T C . . . 22 17072781 . C T . . .

アノテーション後(test.ann.vcf)

##SnpEffVersion="5.1d (build 2022-04-19 15:49), by Pablo Cingolani" ##SnpEffCmd="SnpEff GRCh37.75 snpEff/examples/test.chr22.vcf " ##INFO=<ID=ANN,Number=.,Type=String,Description="Functional annotations: 'Allele | Annotation | Annotation_Impact | Gene_Name | Gene_ID | Feature_Type | Feature_ID | Transcript_BioType | Rank | HGVS.c | HGVS.p | cDNA.pos / cDNA.length | CDS.pos / CDS.length | AA.pos / AA.length | Distance | ERRORS / WARNINGS / INFO' "> ##INFO=<ID=LOF,Number=.,Type=String,Description="Predicted loss of function effects for this variant. Format: 'Gene_Name | Gene_ID | Number_of_transcripts_in_gene | Percent_of_transcripts_affected'"> ##INFO=<ID=NMD,Number=.,Type=String,Description="Predicted nonsense mediated decay effects for this variant. Format: 'Gene_Name | Gene_ID | Number_of_transcripts_in_gene | Percent_of_transcripts_affected'"> #CHROM POS ID REF ALT QUAL FILTER INFO 22 17071756 . T C . . ANN=C|3_prime_UTR_variant|MODIFIER|CCT8L2|ENSG00000198445|transcript|ENST00000359963|protein_coding|1/1|c.*11A>G|||||11|,C|downstream_gene_variant|MODIFIER|FABP5P11|ENSG00000240122|transcript|ENST00000430910|processed_pseudogene||n.*4223A>G|||||4223| 22 17072035 . C T . . ANN=T|missense_variant|MODERATE|CCT8L2|ENSG00000198445|transcript|ENST00000359963|protein_coding|1/1|c.1406G>A|p.Gly469Glu|1666/2034|1406/1674|469/557||,T|downstream_gene_variant|MODIFIER|FABP5P11|ENSG00000240122|transcript|ENST00000430910|processed_pseudogene||n.*3944G>A|||||3944| 256/557||,A|downstream_gene_variant|MODIFIER|FABP5P11|ENSG00000240122|transcript|ENST00000430910|processed_pseudogene||n.*3305C>T|||||3305| 22 17072747 . T C . . ANN=C|missense_variant|MODERATE|CCT8L2|ENSG00000198445|transcript|ENST00000359963|protein_coding|1/1|c.694A>G|p.Met232Val|954/2034|694/1674|232/557||,C|downstream_gene_variant|MODIFIER|FABP5P11|ENSG00000240122|transcript|ENST00000430910|processed_pseudogene||n.*3232A>G|||||3232| 22 17072781 . C T . . ANN=T|synonymous_variant|LOW|CCT8L2|ENSG00000198445|transcript|ENST00000359963|protein_coding|1/1|c.660G>A|p.Pro220Pro|920/2034|660/1674|220/557||,T|downstream_gene_variant|MODIFIER|FABP5P11|ENSG00000240122|transcript|ENST00000430910|processed_pseudogene||n.*3198G>A|||||3198|

VCFファイルの先頭にヘッダが追加され、変異にはアノテーションが付加されました。