坐標(biāo)轉(zhuǎn)換困境
一些公開發(fā)表的論文中及很多數(shù)據(jù)庫中經(jīng)常提到變異，一般變異的表現(xiàn)形式有三種：1）基因組坐標(biāo)：2）cDNA 坐標(biāo)；3）蛋白氨基酸坐標(biāo)。舉個例子TP53上的某個變異的基因組坐標(biāo)是g.chr17:74026C>A，cDNA坐標(biāo)是c.1001G>T，蛋白氨基酸坐標(biāo)是p.G334V。在數(shù)據(jù)分析的過程中經(jīng)常會遇到這三種坐標(biāo)相關(guān)轉(zhuǎn)換的情況，例如你從文獻(xiàn)或者某個數(shù)據(jù)庫中收集到了幾百個腫瘤靶向藥的用藥位點(diǎn)，而你在你樣本中檢測到了很多變異，想知道你的樣本中包含多少收集到的已知的用藥位點(diǎn)。但通常文獻(xiàn)或者數(shù)據(jù)庫會以第二種或者第三種形式表示變異，而我們自己檢測的變異通常會以vcf格式存儲，這樣就無法直接匹配。當(dāng)然可以對vcf格式的變異進(jìn)行ANNOVAR注釋，然后對cDNA或者蛋白氨基酸坐標(biāo)形式的變異進(jìn)行比較，但嘗試過的人都表示特別痛苦：需要考慮的規(guī)則太多！嘗試兩次，還是放棄了：一是匹配規(guī)則不通用；二是總擔(dān)心有沒有考慮到過的情況。所以急需一個能完成這種坐標(biāo)轉(zhuǎn)換的工具。15年發(fā)表在NATURE METHODS上的題為：TransVar: a multilevel variant annotator for precision genomics的文章中推出了一款名為TransVar的軟件成了解決不同層面變異坐標(biāo)轉(zhuǎn)換的神器。下面小編就介紹一下這款軟件（Linux版），沒有Linux基礎(chǔ)的也不用擔(dān)心，后續(xù)會寫一篇基于Web版TransVar進(jìn)行注釋（坐標(biāo)轉(zhuǎn)換）的文章。
TransVar軟件簡介
Transvar 是一款多種方向的突變/坐標(biāo)轉(zhuǎn)換工具，它支持基因組坐標(biāo)、cDNA 坐標(biāo)以及蛋白氨基酸坐標(biāo)之間的轉(zhuǎn)換。
如上圖所示，該軟件的功能可細(xì)分為下面3種：
1）正向注釋：對于基因組坐標(biāo)的變異進(jìn)行mRNA（cDNA）和蛋白注釋，這款工具會提供所有的可能結(jié)果；
2）反向注釋：將mRNA（cDNA）坐標(biāo)和蛋白坐標(biāo)的變異轉(zhuǎn)換成所有可能基因組坐標(biāo)形式的變異；
3）等價注釋：對于某一給定的蛋白坐標(biāo)的變異，搜索所有可能的與其為相同基因組坐標(biāo)，但在不同轉(zhuǎn)錄本上的蛋白坐標(biāo)變異。
軟件下載和安裝：
軟件下載地址：
1，舊版（最近沒有在更新）：https://bitbucket.org/wanding/transvar/src/master/
2，新版（一直在更新）：https://github.com/zwdzwd/transvar
按照方法如下：
sudo pip install transvar ## 全局安裝，需要root權(quán)限
或者：
pip install --user transvar ##用戶安裝，沒有root權(quán)限的用此方法
軟件更新：
pip install -U transvar
這款軟件在安裝后要自己配置數(shù)據(jù)庫操作起來也比較簡單：
# set up databases
transvar config --download_anno --refversion hg19 #默認(rèn)的hg19的 dbSNP 數(shù)據(jù)庫是2016年的，部分?jǐn)?shù)據(jù)庫如dbSNP新版數(shù)據(jù)庫收錄內(nèi)容有很大變化（主要是數(shù)量的提升），所以建議自行重新下載
# in case you don't have a reference
transvar config --download_ref --refversion hg19
# in case you do have a reference to link
transvar config -k reference -v [path_to_hg19.fa] --refversion hg19
需要注意的是直接使用Transvar的命令下載數(shù)據(jù)庫容易因網(wǎng)絡(luò)問題出錯，導(dǎo)致下載的數(shù)據(jù)庫是不完整的（不報錯的，是個深坑?。┛梢缘?a target="_blank">http://transvar.info/transvar_user/annotations/直接下載后進(jìn)行配置。
軟件的使用
這款軟件即可以單點(diǎn)注釋，也可以批量處理，下面分別介紹一下：
單點(diǎn)注釋用 -i傳入待注釋位點(diǎn)，包括3種：
# 基因組正向注釋
transvar ganno --ccds -i 'chr3:g.178936091G>A'
# cDNA反向注釋
transvar canno --ccds -i 'PIK3CA:c.1633G>A'
# 氨基酸反向注釋
transvar panno -i 'PIK3CA:p.E545K' --ensembl
# 其中--ccds、--ensembl為使用不同的數(shù)據(jù)庫，如網(wǎng)頁版，可以同時多選，\
# 如 --ccds --ensembl --refseq --ucsc 來進(jìn)行多選
批量注釋：
/*/software/anaconda3/bin/transvar canno -l mutiation.canno.list -m 1 -o 2 --refseq --longestcoding --gseq
###
canno：指cDNA反向注釋，備選包括panno（ 蛋白氨基酸反向注釋）和ganno（基因組正向注釋）
-l：輸入文件，變異與canno、panno、ganno對應(yīng)。格式示例如下：
-m：-l指定的輸入文件可以有多列，通過-m指定哪列是待注釋列，不加-m參數(shù)默認(rèn)是第一列
-o：同時可以通過-o來指定-l中的那一列作為輸出文件的首列，不加-o，默認(rèn)是第一列
--refseq：使用哪個數(shù)據(jù)庫的轉(zhuǎn)錄本進(jìn)行注釋，還有其他數(shù)據(jù)庫可選如 ensembl/gencode/ucsc/ccds/aceview等。
--longestcoding： 有多個轉(zhuǎn)錄本時，僅選擇最長的轉(zhuǎn)錄本。如果不加這個參數(shù)會把涉及到的所有轉(zhuǎn)錄本都輸出出來，這時候你就要自己制定標(biāo)準(zhǔn)進(jìn)行篩選了
--gseq ：在輸出文件中增加類似VCF格式的變異信息，包括染色體，起始位置，終止位置，參考基因組序列，突變后的序列。
軟件官方教程
官網(wǎng)：https://transvar.readthedocs.io/en/latest/
這里有對軟件詳細(xì)的介紹，這里就不贅述了，想深入研究的可以去官網(wǎng)看看。
說在最后的
transvar 在轉(zhuǎn)換時總會有很多損失，個人經(jīng)驗(yàn)損失主要來自于兩部分：
1，輸出結(jié)果中沒有該變異，直接被丟掉了；
2，輸出結(jié)果中有該變異，但在你選擇的數(shù)據(jù)庫中沒有這個轉(zhuǎn)錄本，提示“no_valid_transcript_found”。
為了盡量提高成功轉(zhuǎn)換的比例可以做如下嘗試：
1，用所有能用的庫去注釋，不過還是建議以一個庫的結(jié)果為準(zhǔn)，把其它庫包含但該庫不包含的變異加上；
2，對于longestcoding沒有成功去掉該參數(shù)后再嘗試，然后自行選一個靠譜的轉(zhuǎn)錄本，如果不知道該怎么選就隨機(jī)選一個；
3，如果你拿到的變異信息有對應(yīng)的轉(zhuǎn)錄本，選取與所提供的轉(zhuǎn)錄本一致的數(shù)據(jù)庫，分析時不加--longestcoding，然后根據(jù)轉(zhuǎn)錄本信息對轉(zhuǎn)換結(jié)果進(jìn)行匹配，這種是準(zhǔn)確性最高的。
原創(chuàng)文字，如果覺得對你有幫助留下你的贊哦~
