haplotype-awareなVCFのアノテーションを行う BCFtools/csq

　シーケンシングされたエクソームおよび全ゲノムサンプルの数が急速に増加しており、最も関心のあるバリアントの膨大な量のデータを迅速に選別できることが重要になっている。このプロセスの重要なステップは、シーケンスバリアントを取得し、機能効果のアノテーションを提供することである。臨床、進化、および遺伝子型と表現型の研究では、機能的結果の正確な予測は、下流の解釈にとって重要である。 Ensembl Variant Effect Predictor（VEP）（McLaren et al、2016）、SnpEff（Cingolani et al、2012）またはANNOVAR（Wang et al。、2010）など、バリアントの効果を予測するためのいくつかの一般的な既存のプログラムがある。 1つの重要な制限は、単一レコードベースであり、論文図1に示すように、周囲の同じ位相（phase）のバリアントが考慮されると、これが誤ったアノテーションにつながる可能性がある。
　最近の実験的および計算上の進歩による長距離シーケンシングテクノロジーのコスト削減（Zheng et al、2016）および統計的フェージングアルゴリズムの精度の向上（Loh et al、2016）により、数十キロベースを超えるフェーズハプロタイプが日常的に利用可能になっている; Sharp et al、2016）サンプルコホートサイズの増加による（McCarthy et al、2016）。この情報を活用できるBCFtools / csqに実装された新しいvariant consequence predictorを紹介する。

Three types of compound variants that lead to incorrect consequence prediction when handled in a localized manner each separately rather than jointly.

bcftoolsのConsequence callingのHPより転載。

bcftools

http://samtools.github.io/bcftools/

インストール

本体　Github

download

http://www.htslib.org/download/

#v1.9
wget https://github.com/samtools/bcftools/releases/download/1.9/bcftools-1.9.tar.bz2
tar xf bcftools-1.9.tar.bz2
#ここでは/usr/local/binに入れる。
./configure --prefix=/usr/local/bin
make -j 8
make install

> ./bcftools

$ ./bcftools

Program: bcftools (Tools for variant calling and manipulating VCFs and BCFs)

Version: 1.9 (using htslib 1.9)

Usage: bcftools [--version|--version-only] [--help] <command> <argument>

Commands:

-- Indexing

index index VCF/BCF files

-- VCF/BCF manipulation

annotate annotate and edit VCF/BCF files

concat concatenate VCF/BCF files from the same set of samples

convert convert VCF/BCF files to different formats and back

isec intersections of VCF/BCF files

merge merge VCF/BCF files files from non-overlapping sample sets

norm left-align and normalize indels

plugin user-defined plugins

query transform VCF/BCF into user-defined formats

reheader modify VCF/BCF header, change sample names

sort sort VCF/BCF file

view VCF/BCF conversion, view, subset and filter VCF/BCF files

-- VCF/BCF analysis

call SNP/indel calling

consensus create consensus sequence by applying VCF variants

cnv HMM CNV calling

csq call variation consequences

filter filter VCF/BCF files using fixed thresholds

gtcheck check sample concordance, detect sample swaps and contamination

mpileup multi-way pileup producing genotype likelihoods

roh identify runs of autozygosity (HMM)

stats produce VCF/BCF stats

Most commands accept VCF, bgzipped VCF, and BCF with the file type detected

automatically even when streaming from a pipe. Indexed VCF and BCF will work

in all situations. Un-indexed VCF and BCF and streams will work in most but

not all situations.

> bcftools csq

# bcftools csq

About: Haplotype-aware consequence caller.

Usage: bcftools csq [options] in.vcf

Required options:

-f, --fasta-ref <file> reference file in fasta format

-g, --gff-annot <file> gff3 annotation file

CSQ options:

-c, --custom-tag <string> use this tag instead of the default BCSQ

-l, --local-csq localized predictions, consider only one VCF record at a time

-n, --ncsq <int> maximum number of consequences to consider per site [16]

-p, --phase <a|m|r|R|s> how to handle unphased heterozygous genotypes: [r]

a: take GTs as is, create haplotypes regardless of phase (0/1 -> 0|1)

m: merge *all* GTs into a single haplotype (0/1 -> 1, 1/2 -> 1)

r: require phased GTs, throw an error on unphased het GTs

R: create non-reference haplotypes if possible (0/1 -> 1|1, 1/2 -> 1|2)

s: skip unphased hets

Options:

-e, --exclude <expr> exclude sites for which the expression is true

--force run even if some sanity checks fail

-i, --include <expr> select sites for which the expression is true

-o, --output <file> write output to a file [standard output]

-O, --output-type <b|u|z|v|t> b: compressed BCF, u: uncompressed BCF, z: compressed VCF

v: uncompressed VCF, t: plain tab-delimited text output [v]

-q, --quiet suppress warning messages. Can be given two times for even less messages

-r, --regions <region> restrict to comma-separated list of regions

-R, --regions-file <file> restrict to regions listed in a file

-s, --samples <-|list> samples to include or "-" to apply all variants and ignore samples

-S, --samples-file <file> samples to include

-t, --targets <region> similar to -r but streams rather than index-jumps

-T, --targets-file <file> similar to -R but streams rather than index-jumps

Example:

bcftools csq -f hs37d5.fa -g Homo_sapiens.GRCh37.82.gff3.gz in.vcf

# GFF3 annotation files can be downloaded from Ensembl. e.g. for human:

ftp://ftp.ensembl.org/pub/current_gff3/homo_sapiens/

ftp://ftp.ensembl.org/pub/grch37/release-84/gff3/homo_sapiens/

実行方法

ランにはリファレンスのFASTA、遺伝子のGFF3アノテーション、VCFファイルが必要。GFF3（GFFのversion3）はEnsembl formatのGFF3のみに対応している。

#compressed BCF出力
bcftools csq -f hs37d5.fa -g Homo_sapiens.GRCh37.82.gff3.gz in.vcf -Ob -o out.bcf 

#uncompressed VCF出力
bcftools csq -f hs37d5.fa -g Homo_sapiens.GRCh37.82.gff3.gz in.vcf -Ov -o out.vcf