前面我们说到了对3784343个的SNP位点来说，3353921个因为人群频率大于了0.05会被过滤掉，还剩下430304值得我好好研究一下。
那么，现在就开始我的表演吧。
首先，看看过滤后那值得探索的43万位点长啥样，如下：
16 84731054 84731054 G T het 165.77 13 60.00 13.81
2 148321842 148321842 C T hom 500.77 16 60.00 31.30
7 91591448 91591448 A G het 206.77 16 60.00 12.92
1 70361880 70361880 A C het 37.77 9 60.00 4.20
21 11185914 11185914 C T het 715.77 209 59.97 3.49
1 194072273 194072273 C A het 635.77 50 60.00 13.25
1 197838902 197838902 C T het 605.77 55 60.00 11.01
18 64898134 64898134 G A het 107.77 21 60.00 5.39
5 94042767 94042767 A G het 211.77 16 60.00 13.24
GL000232 . 1 30946 30946 G A het 1919.77 189 55.19 10.27
很明显，这些位点已经没有顺序来 ，而且这个格式，勉强来说可以当做是bed格式，但是也不完全一样，要把我们的vcf文件的变异，来根据这个位点文件进行挑选，现有的工具当然是可以做到，比如snpeff等等，但是我懒得去查看那些软件说明书了，自己动手丰衣足食，不就是写一个脚本的事情嘛。
cat snp_filter . hg19_gnomad_genome_filtered snp . vcf | perl - alne '{print if /^#/;print if exists $h{"$F[0]\t$F[1]"} ;$h{"$F[0]\t$F[1]"}=1 if !/:/;}' > snp . filter_gnomAD . vcf
这就是为什么我很讨厌annovar软件的问题，把大家公认的vcf转为自己的格式，害得我还得写代码转回来。
算了。
现在有了这个 snp . filter_gnomAD . vcf
java - Djava . io . tmpdir = /home/ jmzeng / - Xmx15g - jar ~ /biosoft/ SnpEff / snpEff / snpEff . jar \
- i vcf GRCh37 . 75 snp . filter_gnomAD . vcf > snp . filter_gnomAD . snpeff . vcf
位点不多，所以很快就走完了这个流程，其实这个时候注释我反而无法解读，因为snpeff注释的信息太多了，超过一百多种注释信息。但是它给了一个很不错的html报告，可以很清晰的看到这些突变的性质。
先看对这43万位点的一个总结表格吧：
变异总结表格 可以看到大部分位点(77.5%)都是在dbSNP数据库里面出现过的，并不是我本人特有的。
区分染色体看突变频率 可以看到突变频率还是蛮均一的，至少没有在染色体上面显示出特异性，至于染色体内部嘛，后面的图表再展现即可。
比较奇怪的是chr21和chr22的突变频率相差还是蛮大的，也许值得探究。
突变位点是否影响基因功能 可以看到仍然大部分突变都是silent的，并没有太大的影响，对基因功能产生非常大影响的那些突变才0.365%，当然，就是这么少才值得探究。
但是它们的总数加起来跟43万对不上，应该是还有其它解释。
图表太多，我就不一一介绍了，我比较好奇的是这个vcf报告竟然没有R语言版本的，值得我们深思，是不是可以写一个工具呢？
好吧，其它的，下期再见哈。
