在生物信息学中，分析基因组变异是一个重要的任务。变异可以是单核苷酸多态性（SNP）、插入缺失（indel）或结构变异（SV）。变异的类型和影响不同，可能导致基因表达、蛋白质功能或表型的改变。因此，对变异进行注释和解释是理解其生物学意义的关键步骤。那如何实现对不同变异类型的注释呢？

目前，有许多工具可以用来注释变异，但其中一个比较流行和强大的是snpEFF。snpEFF是一个开源的Java程序，可以对VCF格式的变异文件进行快速和准确的注释。snpEFF可以预测变异对转录本和蛋白质的影响，例如错义、无义、剪切位点、启动子、终止子等。snpEFF还可以提供其他有用的信息，例如基因名、转录本ID、外显子编号、密码子改变、氨基酸改变等；snpEFF支持包括人类、动物、植物、微生物等超过38,000个物种的基因组数据库，也可以自定义数据库或使用公共数据库。支持多种变异格式，包括VCF、GFF、BED等；支持多种输出格式，包括文本、HTML、VCF等；支持多种统计分析，包括变异频率、变异类型分布、变异功能分布等。

snpEFF的使用非常简单，只需要几个命令行参数就可以运行。snpEFF的使用包括以下几步，首先需要下载snpEFF和相应的基因组数据库或者自定义数据库。然后使用snpEff命令对VCF文件进行注释，指定数据库名称和输出文件名。最后，可以使用snpEff的伴随工具SnpSift对注释结果进行过滤、排序或统计。snpEFF还可以与其他工具集成，例如GATK、bcftools或VEP。

方法一，下载压缩包安装。下载网址：https://sourceforge.net/projects/snpeff/ 

下载解压后，会在snpEff文件夹中生产两个jar包snpEff.jar和SnpSift.jar。运行命令java -jar snpEff.jar 生成帮助文件则安装成功。

方法二，使用conda安装snpEFF。

conda是可以方便地安装和更新各种软件。要使用conda安装snpEFF，首先需要安装conda，可以参考官方网站的教程：https://docs.conda.io/en/latest/miniconda.html 。安装好conda后，打开终端，输入以下命令：

conda install -c bioconda snpeff

这个命令会从bioconda频道下载并安装snpEFF及其依赖的软件包。安装完成后，可以使用以下命令检查snpEFF的版本：

snpeff -version

如果显示SnpEff版本信息，说明snpEFF已经成功安装。

方法一：使用snpEFF自带的数据库

snpEFF自带了一些常见物种的数据库，如人类、小鼠、大肠杆菌等，这些数据库可以直接下载使用。下载的命令如下：

java -jar snpEff.jar download -v hg19

其中hg19是人类基因组的版本号，可以根据需要替换为其他物种和版本。下载完成后，可以在snpEff/data目录下看到相应的文件夹，里面包含了基因组序列和注释信息。

方法二：使用GFF3或GTF文件建库

如果snpEFF没有提供所需物种的数据库，或者需要使用自己的注释信息，可以使用GFF3或GTF文件来建库。这些文件可以从各种数据库或网站下载，也可以自己生成。使用GFF3或GTF文件建库的命令如下：

snpEFF的基本用法是：

指定要使用的参考基因组和注释数据库的版本，如GRCh38.99、hg19等。可以使用`java -jar snpEff.jar databases`命令查看可用的数据库列表。- input_file：指定要注释的变异文件，可以是VCF、GFF、BED等格式，也可以是标准输入（stdin）。- output_file：指定输出文件，可以是标准输出（stdout），也可以是一个文件名。输出文件默认是VCF格式，也可以通过参数指定其他格式。snpEFF的常见参数和选项snpEFF有很多参数和选项，可以根据需要进行调整。以下是一些常见的参数和选项：- -v：显示详细信息，包括程序版本、数据库版本、运行时间等。- -noLog：不输出日志信息。- -noStats：不输出统计信息。- -no-downstream：不注释下游区域（默认为5kb）的变异。- -no-upstream：不注释上游区域（默认为5kb）的变异。- -no-intergenic：不注释间基因区域的变异。- -no-intron：不注释内含子区域的变异。- -no-utr：不注释UTR区域的变异。- -formatEff：输出格式为EFF格式，而不是VCF格式。EFF格式是一种简化的格式，只包含变异的影响和严重程度等信息。- -csvStats：输出统计信息为CSV格式，而不是HTML格式。CSV格式方便用其他软件进行分析和绘图。

HTML格式的摘要报告是一个网页文件，可以用浏览器打开。它包含了以下几个部分：

• Variant types：这部分显示了不同类型的变异的数量和百分比，包括SNP（单核苷酸多态性）、MNP（多核苷酸多态性）、INS（插入变异）、DEL（缺失变异）、MIXED（混合变异）、INV (倒位变异）、DUP（重复变异）、BED（易位变异）、INTERVAL（间隔变异）等。

• Effects by type：这部分显示了不同类型的效应的数量和百分比，包括3’端主要UTR变异、5’端主要UTR提前启动子获得变异、5’端主要UTR变异、下游基因变异、起始密码子编码变异、基因间隔区、内含子变异、剪接受体变异、剪接供体变异、剪接区域变异、起始缺失、起始保留变异、终止获得、终止缺失、终止保留变异、同义变异、上游基因变异等。

• Effects by region：这部分显示了不同区域的效应的数量和百分比，包括下游、外显子、间隔区、内含子、剪接位点受体、剪接位点供体、剪接位点区域、上游、3’UTR区、5’UTR区等。

点击“阅读原文”进入网址