|
完全看懂这个教程需要的背景知识比较多！ 生信技能树GATK4系列教程 然后是 CNV相关工具 WES的CNV探究-conifer软件使用 单个样本NGS数据如何做拷贝数变异分析呢
肿瘤配对样本用varscan 做cnv分析 使用cnvkit来对大批量wes样本找cnv 使用sequenza软件判定肿瘤纯度 还有vcf和maf的工具： 安装VEP及其注释数据库
肿瘤突变数据可视化神器-maftools
可能还有一些教程我漏掉了，毕竟这些年发布了近万篇教程了，大家直接我去我博客，生信菜鸟团就可以搜索，去我们的论坛，生信技能树里面也可以搜到。 假设已经安装了VEP软件，对自己的vcf进行了注释，然后就可以进行转换：
https://github.com/mskcc/vcf2maf 安装GitHub上面的小工具 cd ~/biosoft/vcf2maf/
export VCF2MAF_URL=`curl -sL https://api.github.com/repos/mskcc/vcf2maf/releases | grep -m1 tarball_url | cut -d\" -f4`
curl -L -o mskcc-vcf2maf.tar.gz $VCF2MAF_URL; tar -zxf mskcc-vcf2maf.tar.gz; cd mskcc-vcf2maf-*
mv * ../
perl ~/biosoft/vcf2maf/vcf2maf.pl --man
帮助文档如下： [jianmingzeng@jade mskcc-vcf2maf-747a1bb]$ perl vcf2maf.pl --help
Usage:
perl vcf2maf.pl --help
perl vcf2maf.pl --input-vcf WD4086.vcf --output-maf WD4086.maf --tumor-id WD4086 --normal-id NB4086
Options:
--input-vcf Path to input file in VCF format
--output-maf Path to output MAF file
--tmp-dir Folder to retain intermediate VCFs after runtime [Default: Folder containing input VCF]
--tumor-id Tumor_Sample_Barcode to report in the MAF [TUMOR]
--normal-id Matched_Norm_Sample_Barcode to report in the MAF [NORMAL]
--vcf-tumor-id Tumor sample ID used in VCF's genotype columns [--tumor-id]
--vcf-normal-id Matched normal ID used in VCF's genotype columns [--normal-id]
--custom-enst List of custom ENST IDs that override canonical selection
--vep-path Folder containing the vep script [~/vep]
--vep-data VEP's base cache/plugin directory [~/.vep]
--vep-forks Number of forked processes to use when running VEP [4]
--buffer-size Number of variants VEP loads at a time; Reduce this for low memory systems [5000]
--any-allele When reporting co-located variants, allow mismatched variant alleles too
--ref-fasta Reference FASTA file [~/.vep/homo_sapiens/91_GRCh37/Homo_sapiens.GRCh37.75.dna.primary_assembly.fa.gz]
--filter-vcf A VCF for FILTER tag common_variant. Set to 0 to disable [~/.vep/ExAC_nonTCGA.r0.3.1.sites.vep.vcf.gz]
--max-filter-ac Use tag common_variant if the filter-vcf reports a subpopulation AC higher than this [10]
--species Ensembl-friendly name of species (e.g. mus_musculus for mouse) [homo_sapiens]
--ncbi-build NCBI reference assembly of variants MAF (e.g. GRCm38 for mouse) [GRCh37]
--cache-version Version of offline cache to use with VEP (e.g. 75, 84, 91) [Default: Installed version]
--maf-center Variant calling center to report in MAF [.]
--retain-info Comma-delimited names of INFO fields to retain as extra columns in MAF []
--min-hom-vaf If GT undefined in VCF, minimum allele fraction to call a variant homozygous [0.7]
--remap-chain Chain file to remap variants to a different assembly before running VEP
--help Print a brief help message and quit
--man Print the detailed manual
上面的命令参数看的头晕，没关系，学习一个新的软件最好的方法就是实践： ## 自己单独运行VEP，注释速度很慢
# Processed 1969 total variants (9 vars/sec, 9 vars/sec total)
perl ~/vep/variant_effect_predictor.pl -i somatic.vcf -o test.vcf \
--cache --force_overwrite --assembly GRCh38 --vcf
# 看起来上面的VEP完全没有必要运行
# 一步到位，包括VEP和 vcf2maf，而且注释非常快,因为调用了5个线程
# Processed 1969 total variants (53 vars/sec, 53 vars/sec total)
perl ~/biosoft/vcf2maf/vcf2maf.pl --input-vcf somatic.vcf --output-maf test.maf \
--ref-fasta ~/.vep/homo_sapiens/86_GRCh38/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz \
--tumor-id 1092NTT --normal-id 1257NT --ncbi-build GRCh38
通常我们是批量运行： for i in *filter.vcf ;
do
echo $i
j=$(basename "$i" _filter.vcf )
echo ${j^^}
perl ~/biosoft/vcf2maf/vcf2maf.pl --input-vcf $i --output-maf ${j^^}.maf \
--ref-fasta ~/.vep/homo_sapiens/86_GRCh38/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz \
--tumor-id ${j^^}_T --normal-id ${j^^}_N --ncbi-build GRCh38
done
1.3M May 30 14:00 OSCC_01.maf
745K May 30 14:01 OSCC_04.maf
576K May 30 14:01 OSCC_06.maf
730K May 30 14:02 OSCC_09.maf默认调用5个线程，所以注释速度非常快！！！ 得到的maf后，肿瘤外显子测序数据的上游分析就到此为止了，接下来的下游分析，也就是联系自己的项目设计实际情况来讲生物学故事，会更折磨人！！！ 如果你没有自己的肿瘤外显子下面，却想一步到位拿到maf去练手，可以直接下载tcga数据库的，看昨天教程： 生信小技巧第8课，加上 TCGA的28篇教程- 批量下载TCGA所有数据
比如你可以下载TCGA里面的乳腺癌的1000个左右的样本的突变信息，绘图如下： 
是不是很赞啊！
|
