Part1: gnomAD-LOEUF數(shù)據(jù)下載

? ? 上一篇文章已經(jīng)講解了gnomAD的flagship paper枪芒，文章中新建的評估基因?qū)LoF突變?nèi)淌芰Φ哪Ｐ汀狶OEUF我擂，想必大家肯定都很想趕緊用起來玄妈。

? ? 這個模型的數(shù)據(jù)結(jié)果即可以在文章的supplymentary中找到（就是supplementary_dataset_11_full_constraint_metrics.tsv.gz）扶镀。也可以爬上梯子浪慌，在gnomAD的官網(wǎng) → 右上角Downloads → gnomad.v2.1.1系列的Constraint，鏈接到相應(yīng)位置進行下載苛蒲，官網(wǎng)提供了：①只有經(jīng)典轉(zhuǎn)錄本的gene list表格爽丹、②包含了多個轉(zhuǎn)錄本的transcript list表格（和文章附表內(nèi)容相同）筑煮、③按人群數(shù)量做了降采樣的E.O值辛蚊。

Part2: 表格數(shù)據(jù)意義（翻譯一下）

? 以full_constraint_metrics，即lof_metrics.by_transcript為例真仲。
該文檔共80950行袋马，其中包含了19600+個基因的經(jīng)典轉(zhuǎn)錄本和其他常見轉(zhuǎn)錄本。共78列秸应，每列的header解釋如下（詳見supplementary information文檔第74頁）：

gene: Gene name虑凛，基因名稱

transcript: Ensembl transcript ID (Gencode v19)，轉(zhuǎn)錄本編號

canonical: Boolean indicator as to whether the transcript is the canonical transcript for the gene灸眼，是否是該基因的經(jīng)典轉(zhuǎn)錄本

obs_XXX: Number of observed XXX variants in transcript卧檐，在該轉(zhuǎn)錄本上觀察到XXX突變的數(shù)量（XXX=mis錯義墓懂、syn同義焰宣、lof功能缺失）

exp_XXX: Number of expected XXX variants in transcript，在該轉(zhuǎn)錄本上預(yù)測到XXX突變的數(shù)量

oe_XXX: Observed over expected ratio for XXX variants in transcript (obs_XXX divided by exp_XXX)捕仔，在該轉(zhuǎn)錄本上觀察到XXX變異超出預(yù)期的比率

mu_XXX: Mutation rate summed across all possible XXX variants in transcript匕积，該轉(zhuǎn)錄本中所有可能的XXX變異的突變率總和

possible_XXX: Number of possible XXX variants in transcript，該轉(zhuǎn)錄中可能的XXX突變的數(shù)量（其實不是很理解這個）

obs_XXX_pphen: Number of observed XXX variants in transcript predicted "probably damaging" by PolyPhen-2榜跌，被PolyPhen-2預(yù)測為“可能有害”的闪唆、觀察到的XXX突變數(shù)量

exp_XXX_pphen: Number of expected XXX variants in transcript predicted "probably damaging" by PolyPhen-2，被PolyPhen-2預(yù)測為“可能有害”的钓葫、預(yù)測察到的XXX突變數(shù)量

oe_XXX_pphen: Observed over expected ratio for PolyPhen-2 predicted "probably damaging" XXX variants in transcript (obs_mis_pphen divided by exp_mis_pphen)悄蕾，被PolyPhen-2預(yù)測為“可能有害”的XXX突變，觀察到超過預(yù)期的比率

possible_XXX_pphen: Number of possible missense variants in transcript that are predicted "probably damaging" by PolyPhen-2础浮，被PolyPhen-2預(yù)測為“可能有害”的帆调、可能的XXX突變的數(shù)量（其實也不是很理解這個）

oe_XXX_lower: Lower bound of 90% confidence interval for o/e ratio for XXX variants，XXX突變的o/e比率90%置信區(qū)間的下界

oe_XXX_upper: Upper bound of 90% confidence interval for o/e ratio for XXX variants豆同，XXX突變的o/e比率90%置信區(qū)間的上界

XXX_z: Z score for XXX variants in gene. Higher (more positive) Z scores indicate that the transcript is more intolerant of variation (more constrained). Extreme values of XXX_z indicate likely data quality issues番刊，基因中XXX突變的Z-score。Z-score越高(越陽性)表明該轉(zhuǎn)錄本越不耐受XXX變異(越受限制)影锈。XXX_z的極端值表示可能存在數(shù)據(jù)質(zhì)量問題芹务。

pLI: Probability of loss-of-function intolerance; probability that transcript falls into distribution of haploinsufficient genes (~9% o/e pLoF ratio; computed from gnomAD data)，用gnomAD數(shù)據(jù)計算出來的pLI

pRec: Probability that transcript falls into distribution of recessive genes (~46% o/e pLoF ratio; computed from gnomAD data)鸭廷，該轉(zhuǎn)錄本屬于隱性基因的概率

pNull: Probability that transcript falls into distribution of unconstrained genes (~100% o/e pLoF ratio; computed from gnomAD data)枣抱，該轉(zhuǎn)錄本屬于非約束基因的概率

oe_lof_upper_rank: Transcript’s rank of LOEUF value compared to all transcripts (lower values indicate more constrained)，與所有轉(zhuǎn)錄本相比辆床，該轉(zhuǎn)錄本的LOEUF值的排名(較低的值表示更受限制)

oe_lof_upper_bin: Decile bin of LOEUF for given transcript (lower values indicate more constrained)佳晶，該轉(zhuǎn)錄本在十分位分類中的位置(較低的值表示更受限制)

（以上2個主要是是表示LOEUF的排序、decile 分類指標）

oe_lof_upper_bin_6: Sextile bin of LOEUF for given transcript (lower values indicate more constrained)佛吓，該轉(zhuǎn)錄本在六分位分類中的位置(較低的值表示更受限制)

n_sites: Number of distinct pLoF variant sites in the transcript宵晚，該轉(zhuǎn)錄體中不同lof突變位點的數(shù)量

classic_caf: Sum of allele frequencies of pLoFs in the transcript垂攘，該轉(zhuǎn)錄本中的pLoFs的等位基因頻率的總和

max_af: Maximum allele frequency of any pLoF in the transcript，該轉(zhuǎn)錄本中的任一pLoF的最大等位基因頻率

no_lofs: The number of individuals with no observed pLoF variants in the transcript淤刃，在該轉(zhuǎn)錄本中觀察到pLoF變異的個體數(shù)量

obs_het_lof: The number of individuals with at least one observed heterozygous pLoF variant, but no homozygous pLoF variants, in the transcript晒他，在該轉(zhuǎn)錄本中觀察到至少一個雜合pLoF變異，但沒有純合逸贾，的個體數(shù)量

obs_hom_lof: The number of individuals with at least one observed homozygous pLoF in the transcript陨仅，在該轉(zhuǎn)錄本中觀察到至少一個純合pLoF變異的個體數(shù)量

defined: The number of individuals where at least one high-quality genotype (including homozygous reference) is observed at a called site annotated as a pLoF variant，至少有觀察到一個高質(zhì)量的pLoF突變的個體數(shù)量

p: The estimated proportion of haplotypes with a pLoF variant. Defined as: 1 - sqrt(no_lofs / defined) 一個pLoF突變的單倍型的估計比例铝侵。

exp_hom_lof: The expected number of individuals with at least one homozygous pLoF variant based on the frequency of pLoF haplotypes. Defined as: defined * p2灼伤，根據(jù)pLoF的單倍型頻率計算，至少有一個純合pLoF突變的預(yù)期個體數(shù)量咪鲜。

classic_caf_POP: Sum of allele frequencies of pLoFs in the transcript among POP individuals狐赡，POP人群中pLoFs的等位基因頻率的總和

p_POP: The computation of `p` repeated among only POP individuals，只在POP群體中重復(fù)的'p'值

transcript_type: Transcript biotype (https://www.gencodegenes.org/pages/biotypes.html)疟丙，轉(zhuǎn)錄本生物型

gene_id: Ensembl gene ID颖侄，Ensembl 的基因編號

transcript_level: Transcript level from Gencode (https://www.gencodegenes.org/pages/data_format.html)，來自Gencode的轉(zhuǎn)錄水平

cds_length: Length of coding sequence in gene享郊，該基因的編碼序列長度

num_coding_exons: Number of coding exons in gene览祖，該基因上編碼外顯子的數(shù)量

gene_type: Gene biotype (https://www.gencodegenes.org/pages/biotypes.html)，基因生物型

gene_length: Length of gene炊琉，基因的長度

exac_pLI: pLI score calculated from ExAC展蒂，在ExAC中計算得到的pLI值

exac_obs_lof: Number of observed pLoF variants in gene in ExAC，在ExAC中pLoF突變的觀察數(shù)量

exac_exp_lof: Number of expected pLoF variants in gene in ExAC苔咪，在ExAC中pLoF突變的預(yù)測數(shù)量

exac_oe_lof: Observed to expected ratio of pLoF variants in ExAC锰悼，在ExAC中pLoF突變的觀察與預(yù)期的比率

brain_expression: Expression of gene in brain from GTEx data，GTEx數(shù)據(jù)中該基因在腦部的表達

chromosome: Chromosome name悼泌，染色體

start_position: Start position of gene松捉，該基因的起始位置

end_position: End position of gene，該基因的終止始位置）

Part3: 使用annovar注釋

注釋數(shù)據(jù)庫文件制作：

? ? 根據(jù)對header的理解馆里，選用了默認canonical=TRUE的"gnomad.v2.1.1.lof_metrics.by_gene.txt"作為數(shù)據(jù)庫數(shù)據(jù)來源隘世；

? ? 方便起見，將最后3列移到了最前面鸠踪；然后挑選了一些我自己認為對我做疾病分析可能比較重要的列：

gene丙者，gene_id，transcript营密，oe_lof_upper_bin械媒，oe_lof_upper_rank， pLI，pRec纷捞，pNull痢虹，transcript_level

? ? 制作成了一個12列的文件，命名為“hg19_LOEUF.txt”主儡。數(shù)據(jù)量不是很大的話奖唯，做不做該文件的annovar_index都可以，想做的話糜值，構(gòu)建索引的程序index_annovar.pl可以給王凱老師發(fā)郵件獲得丰捷。

? ? 另外，由于ANNOVAR的region_base注釋數(shù)據(jù)庫不能有header寂汇，而且所有數(shù)據(jù)會被合并到一列里面病往，需要后續(xù)再自己拆開，所以上面這個順序需要另外記錄好哦~

ANNOVAR注釋腳本的修改：?

? ? 這里感謝TSY小伙伴之前的嘗試和經(jīng)驗分享骄瓣，在annotate_variation.pl文件的3084行加入下面這段elseif：

注釋一下：

$annovar/convert2annovar.pl -format vcf4 sample.vcf > sample.avinput

$annovar/table_annovar.pl sample.avinput $humandb --buildver hg19 -out sample_anno_LOEUF? -remove -protocol refGene,ensGene,LOEUF -operation g,g,r --nastring . -csvout

同時把refGene和ensGene注釋上去了停巷，為了比較一下注釋結(jié)果中的gene名和ID是不是都能匹配上。

? ? 這個結(jié)果可以按需要再進行分列處理累贤。如果對其他列的信息也感興趣想進行注釋叠穆，可以參考上面的步驟進行修改和使用哦少漆。

To Wang Lab 小伙伴：

? ? ANNOVAR比較適合做突變位點的注釋臼膏，在這個region_base的注釋中，只能覆蓋到這些基因的基因內(nèi)區(qū)域示损，如coding區(qū)和intron區(qū)渗磅，如果你們的SNP是在基因間區(qū)的話應(yīng)該不能直接注釋〖旆茫可以基于最原始的表格始鱼，直接用你們感興趣的基因去做匹配，主要看“oe_lof_upper_bin”列的值脆贵。

gnomAD-LOEUF數(shù)據(jù)下載&使用annovar注釋