全conda安装vep、vcf2maf
文章目录
- 全conda安装vep、vcf2maf
- 写在前面
- 创建环境
- 安装perl
- 安装vep
- 安装vcf2maf
- 配置vep
- 下载cache数据集
- 下载参考基因组
- 测试
- 报错解决
- 参考基因组一行碱基超过处理上限
全conda安装vep、vcf2maf
vcf2maf的使用主要依赖vep，由于vep是由perl编译的，所以在配置和安装vep的时候会出现各种各样的问题。
我尝试了各种各样的方法后，摸索出如何只用conda安装使用vep和vcf2maf。
ps：看到有说可以使用vep docker的，但是我们的服务器上没有安装docker，所以只能一步一步用conda安装，如果想更省事点可以参考这篇帖子
vep docker下使用vcf2maf - 简书 (jianshu.com)
写在前面
其实如果在使用conda安装过程中遇到明明下载了依赖的perl模块，但在启动vep的时候仍然报错，那大概率是因为perl的版本和模块版本不兼容，默认下载的perl是5.34.0，而安装vep默认下载的perl模块是5.22.0，因此在安装perl和vep的时候必须指定版本。
创建环境
conda create -n vep
conda activate vep
安装perl
conda install perl=5.26.2
安装vep
基于perl安装的版本，可以使用conda search ensembl-vep，查看build列来查看是用哪个版本的perl编译的，下载对应的vep就好
conda install -c "bioconda/label/cf201901" ensembl-vep=93.2vep
若vep安装成功，命令行输入vep会输出如下结果
这里可以看到我下载的vep版本是93.2，后面配置对应的数据库版本也要是93.2
Possible precedence issue with control flow operator at ~/.conda/envs/vep/lib/site_perl/5.26.2/Bio/DB/IndexedBase.pm line 845.
#----------------------------------#
# ENSEMBL VARIANT EFFECT PREDICTOR #
#----------------------------------#Versions:ensembl : 93.b4d45eeensembl-funcgen : 93.0c98373ensembl-io : 93.cc29a66ensembl-variation : 93.9b583ccensembl-vep : 93.2Help: dev@ensembl.org , helpdesk@ensembl.org
Twitter: @ensemblhttp://www.ensembl.org/info/docs/tools/vep/script/index.htmlUsage:
./vep [--cache|--offline|--database] [arguments]Basic options
=============--help Display this message and quit-i | --input_file Input file
-o | --output_file Output file
--force_overwrite Force overwriting of output file
--species [species] Species to use [default: "human"]--everything Shortcut switch to turn on commonly used options. See webdocumentation for details [default: off]
--fork [num_forks] Use forking to improve script runtimeFor full option documentation see:
http://www.ensembl.org/info/docs/tools/vep/script/vep_options.html
安装vcf2maf
conda install -c "bioconda/label/cf201901" vcf2maf=1.6.16=pl526h18118b2_3
vcf2maf --help
会自动安装版本合适的samtools，若vcf2maf安装成功，命令行输入vcf2maf --help将会输出如下内容
Usage:perl vcf2maf.pl --helpperl vcf2maf.pl --input-vcf WD4086.vcf --output-maf WD4086.maf --tumor-id WD4086 --normal-id NB4086Options:--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
配置vep
下载cache数据集
Index of /pub (ensembl.org) 在官网上进行对应vep版本的数据库下载，我安装的vep版本是93.2，所以我需要找到release-93，我选用的组装的版本是hg19，也就是GRCh37。
wget就可以了，也可以本地下载再上传至服务器。
6.8个G🙂，慢慢下吧。
下完后解压就行了
wget http://ftp.ensembl.org/pub/release-93/variation/indexed_vep_cache/homo_sapiens_vep_93_GRCh37.tar.gz
tar -zxvf homo_sapiens_vep_93_GRCh37.tar.gz
下载参考基因组
接下来下载参考基因组，Index of /pub (ensembl.org) 当然用自己的也可以。
wget -c ftp://ftp.ensembl.org/pub/grch37/current/fasta/homo_sapiens/dna/Homo_sapiens.GRCh37.dna.primary_assembly.fa.gz
如果基因组的fasta文件是单行序列，那么最好处理成多行，否则会报“单行长度超出上限”的错误
#指定每行序列的输出长度(为0的话，代表为一整行，默认的输出 长度是60个碱基)
seqkit seq test.fa -w 10 > test_10.fa (指定序列的长度为10)
测试
vcf2maf.pl --input-vcf input.vcf --output-maf test.maf --vep-path ~/.conda/envs/vep/bin/ --vep-data ~/vep_database/ --ref-fasta ~/database/hg19/ucsc_hg19_multirows.fa --filter-vcf 0 --species homo_sapiens
参数说明：
–input-vcf：输入的vcf文件
–output-maf：输出的maf文件名
–vep-path：可执行的vep程序，如果像我这样用conda安装，应该是在[conda_path]/envs/[env_name]/bin
–vep-data：下载的cache数据路径，只要到dataset目录即可
–ref-fasta：参考基因组文件，.fa或.fa.gz
–tumor-id ：输出的maf文件里面的tumor name
–normal-id ：输出的maf文件里面的normal name
–vcf-tumor-id ：输入的vcf文件里面的tumor name
–vcf-normal-id：输入的vcf文件里面的normal name
–filter-vcf ：是否进行vcf过滤，0就是不过滤
–species： 物种名称，这里要写到–vep-data 路径的下一级目录的名字。例如–species是 homo_sapiens，–vep-data写的是~/vep_dataset，那就意味着存在~/vep_dataset/homo_sapiens/，程序才能跑起来
报错解决
参考基因组一行碱基超过处理上限
STATUS: Running VEP and writing to: ./test.vep.vcf
Possible precedence issue with control flow operator at ~/.conda/envs/vep/lib/site_perl/5.26.2/Bio/DB/IndexedBase.pm line 845.------------- EXCEPTION: Bio::Root::Exception -------------
MSG: Each line of the file must be less than 65,536 characters. Line 50 is 59373567 chars.
STACK: Error::throw
- 解决：
seqkit seq database/hg19/ucsc_hg19.fa > database/hg19/ucsc_hg19_multirows.fa #默认每行60个碱基
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！