使用snpEff分為兩種情況，一種是snpEff已經(jīng)構建了相應的數(shù)據(jù)集（例如人類和小鼠），另一種是則是snpEff未提供相應的數(shù)據(jù)集（例如自己組裝的基因組）

情況1: 我們可以使用java -jar snpEff.jar databases | grep -i human的方式列出所有的數(shù)據(jù)集，然后用grep進行篩選

例如人類的基因組注釋數(shù)據(jù)集就分為GRCh37.p13.RefSeq和GRCh38.p7.RefSeq兩種

Candidatus_paraburkholderia_schumannianae  Candidatus_paraburkholderia_schumannianae...
GRCh37.p13.RefSeq  Human genome GRCh37 using RefSeq transcripts...
GRCh38.p7.RefSeq  Human genome GRCh38 using RefSeq transcripts...
Pediculus_humanus Pediculus_humanus...

輸出結果的第一列是基因組的版本號，我們根據(jù)這個版本號進行下載

java -jar snpEff.jar download GRCh38.p7.RefSeq

使用上面這種方法，我們無法保證數(shù)據(jù)下載速度，也不能保證注釋信息時刻最新，因此我更推薦自己下載相應的基因組序列和注釋文件，然后構建注釋數(shù)據(jù)集。

我們編輯snpEff文件夾下的snpEff.config, 增加新的物種信息。盡管能夠在該文件的任何一行添加信息，但是為了方便查找，建議在# Databases & Genomes后增加記錄。

# XXX
XXX.genome : 物種名

這里的XXX是物種注釋信息的版本號，XXX要和data下的文件夾對應

mkdir -p data/XXX

在data下面存放兩個文件

• sequences.fa.gz: 參考基因組
• genes.gff.gz: 注釋文件，GFF3格式（也可以是GFF2格式）

之后就可以用build子命令進行構建

java -jar snpEff.jar build -gff3 -v XXX
# -v: verbose
# -gff3/gff2/-gtf22

建立數(shù)據(jù)庫之后，注釋這一步就相對簡單

java -jar snpEff.jar ann XXX input.vcf.gz > snpeff.vcf

默認情況下snpEff的注釋信息會很多，我們可以用如下幾個參數(shù)來簡化輸出

• -no-downstream
• -no-upstream
• -no-utr
• -no-intergenic
• -no-intron

比如說我們只關注CDS中的注釋信息，不考慮上游、下游、UTR、基因間區(qū)等信息

java -jar snpEff.jar ann -no-utr -no-downstream -no-upstream -no-intergenic XXX input.vcf.gz > snpeff.vcf

最終除了輸出的vcf文件外，我們還會有額外兩個文件，記錄總結性信息

• snpEff_genes.txt: 總結每個基因的突變位點數(shù)
• snpEff_summary.html: 總結突變的類型數(shù)