如何使用SnpSift把vcf文件的变异位点注释到clinvar数据库，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
创新互联专注于企业成都全网营销推广、网站重做改版、叠彩网站定制设计、自适应品牌网站建设、成都h5网站建设、商城网站开发、集团公司官网建设、外贸网站制作、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为叠彩等各大城市提供网站开发制作服务。
首先熟悉 clinvar 数据库
ClinVar是NCBI主办的与疾病相关的人类基因组变异数据库。它的强大在于整合了dbSNP、dbVar、Pubmed、OMIM等多个数据库在遗传变异和临床表型方面的数据信息，形成一个标准的、可信的遗传变异-临床相关的数据库。
clinvar的注释，可以寻找出对应的基因变异信息，发生频率，表型，临床意义，评审状态以及染色体位置等。
首先，我们去clinvar数据库的ftp里面找到数据库文件，然后下载最新版文件，我这里用的是shell命令：
## ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/
mkdir -p ~/annotation/variation/human/clinvar
cd ~/annotation/variation/human/clinvar
wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/disease_names
# mkdir vcf_GRCh47 && cd vcf_GRCh47
mkdir vcf_GRCh48 && cd vcf_GRCh48
wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh48/clinvar_20200706.vcf.gz
wget ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh48/clinvar_20200706.vcf.gz.tbi
这个 ClinVar数据库里面的变异位点记录更新还是蛮快的。
然后熟悉SnpSift 软件
SnpSift 软件非常强大，推荐大家仔细阅读它的说明书，http://snpeff.sourceforge.net/protocol.html
- Example 1: Coding variants
- Example 2:Software Integration
- Example 3: Non-Coding variants
- Example 4: Sequencing data analysis
- Example 5: Filter variants (dbSnp)
- Example 6: Custom annotations
如果要使用SnpSift把vcf文件的变异位点注释到clinvar数据库，我们需要使用的命令示例是：
java -Xmx1g -jar ~/biosoft/snpEff/snpEff/SnpSift.jar \
annotate \
-v ~/annotation/variation/human/clinvar/clinvar_20200706.vcf.gz \
new.filter.sort.vcf \
> new.clinvar.vcf
一般来说，注释比例并不会太高，因为clinvar数据库记录的位点很有限，如下：
Total annotated entries : 6231
Total entries : 54972
Percent : 11.33%
如果选择其它数据库，比如dbSNP、exac、gnomad注释比例会高很多。
解读clinvar数据库注释结果
实际上，没办法解读，一般来说， WES数据分析结果有10万个变异位点，其中2万左右在外显子区域，那么就会有2千个左右的位点被clinvar注释到，这个数量级仍然是很可观的。
我们必须要有先验知识，比如知道这个WES数据来源的个体是患有某种疾病的，比如，视网膜变性相关疾病就可以搜索：
"Pigmentary retinal degeneration"
"Rod-cone dystrophy"
"Retinitis pigmentosa"
如果你发现搜索到的突变，都是Benign，没有Pathogenic，就比较麻烦，就需要根据ACMG指南分类分析，重点看：
1、PM1: 位于热点突变区域, 和/或位于已知无良性变异的关键功能域(如酶的活性位点).
2、PM2: ESP 数据库、千人数据库、 EXAC 数据库中正常对照人群中未发现的变异(或隐性遗传病中极低频位点)
3、PP1: 突变与疾病在家系中共分离(在家系多个患者中检测到此变异). 注: 如有更多的证据, 可作为更强的证据.
4、PP3: 多种统计方法预测出该变异会对基因或基因产物造成有害的影响, 包括保守性预测、进化预测、剪接位点 影响等. 注: 由于做预测时许多生物信息学算法使用相同或非常相似的输入, 每个算法不应该算作一个独立的标准.
如果这样缩小范围仍然是位点很多，可以直接缩小到基因，比如查询 "Retinitis pigmentosa" 这个疾病相关基因就37个，这样位于这些基因的突变就很少了，从这里面挑选那些有害突变，而且人群频率低的。但是其实有一个问题，既然已经局限于具体的疾病相关基因了，那么为什么还有做WES呢，直接上一个panel不就好了吗？见：家系外显子研究最后反正要定位到已知疾病相关基因
关于ACMG指南分类分析，建议看Germline pathogenic variants of 11 breast cancer genes in 7,051 Japanese patients and 11,241 controls文章的材料与方法部分，主要是很多细致的探索，很有意思。
另外推荐clineff软件
主页是：http://www.dnaminer.com/clineff.html
看完上述内容，你们掌握如何使用SnpSift把vcf文件的变异位点注释到clinvar数据库的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
分享文章：如何使用SnpSift把vcf文件的变异位点注释到clinvar数据库
链接地址：
http://www.cdkjz.cn/article/ieegdc.html
