/somatico_vep

Passo a passo de como anotar um arquivo VCF utilizando o Ensembl Variant Effect Predictor (VEP)

somatico_vep

Passo a passo de como anotar um arquivo VCF utilizando o Ensembl Variant Effect Predictor (VEP) através do google colab e google drive.

Obtenção do arquivo VCF

Realizar as análises de acordo com o tutorial disponibilizado em https://github.com/renatopuga/somatico.git

Anotação do arquivo VCF

  1. Fazer log in em sua conta google
  2. Abrir um novo notebook no google colab (https://colab.research.google.com/)
  3. Montar o google drive
from google.colab import drive          # importar a biblioteca
drive.mount('/content/drive')           # montar o drive
  1. Criar um diretório para executar as análises
!mkdir somatico                         # criar diretório
%cd somatico                            # entrar definitivamente no diretório
  1. Para verificar se está dentro do diretório
%%bash
pwd
  1. Instalar o VEP
  • Instalar as dependências
%%bash
sudo apt install unzip curl git libmodule-build-perl libdbi-perl libdbd-mysql-perl build-essential zlib1g-dev
  • Download do release esembl-vep 105.0
%%bash
wget -c https://github.com/Ensembl/ensembl-vep/archive/refs/tags/105.0.tar.gz
  • Descompactar o releaase
%%bash
tar -zxvf 105.0.tar.gz
  • Entrar no diretório e rodar a instalação
%%bash
cd ensembl-vep-105.0
./INSTALL.pl --NO_UPDATE
  1. Testar a instalação
%%bash
cd ensembl-vep-105.0
./vep

O resultado esperado é:

#----------------------------------#
# ENSEMBL VARIANT EFFECT PREDICTOR #
#----------------------------------#

Versions:
ensembl              : 105.525fbcb
ensembl-funcgen      : 105.660df8f
ensembl-io           : 105.2a0a40c
ensembl-variation    : 105.ac8178e
ensembl-vep          : 105.0

Help: dev@ensembl.org , helpdesk@ensembl.org
Twitter: @ensembl

http://www.ensembl.org/info/docs/tools/vep/script/index.html

Usage:
./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 web
                     documentation for details [default: off]                       
--fork [num_forks]     Use forking to improve script runtime

For full option documentation see:
http://www.ensembl.org/info/docs/tools/vep/script/vep_options.html
  1. Anotação do arquivo VCF
Flag Descrição
-i arquivo CF input
-o arquivo formato .tsv output
--fork número de threads
--dir_cache diretório de cache
--fasta sequência referência
--cache habilita uso do cache
--offline roda sem uso de conexão com internet
--assembly versão da montagem
--refseq esepcificque esta opção caso tenha instalado refseq cache
--pick
--pick_allele
--force_overwrite
--tab
--symbol
--check_existing
--variant_class
--everything
--filter_common 
%%bash
./ensembl-vep-105.0/vep  \
  --fork 3 \
  -i /content/drive/Shareddrives/T4-2022/homo_sapiens_refseq/105_GRCh37/WP312.filtered.vcf.gz \
  -o /content/drive/Shareddrives/T4-2022/FabioLima/somatico/WP312.filtered.vcf.tsv \
  --dir_cache /content/drive/Shareddrives/T4-2022/ \
  --fasta /content/drive/Shareddrives/T4-2022/homo_sapiens_refseq/Homo_sapiens_assembly19.fasta \
  --cache --offline --assembly GRCh37 --refseq  \
  --pick --pick_allele --force_overwrite --tab --symbol --check_existing --variant_class --everything --filter_common \
  --fields  "Uploaded_variation,Location,Allele,Existing_variation,HGVSc,HGVSp,SYMBOL,Consequence,IND,ZYG,Amino_acids,CLIN_SIG,PolyPhen,SIFT,VARIANT_CLASS,FREQS" \
  --individual all


* Visualizar rapidamente o arquivo gerado
```
# ver arquivo output
!head -n 39 WP312.filtered.vcf.tsv
```

* Visualizar o arquivo em formato dataframe usando pandas
```
!pip install pandas

import pandas as pd import csv ```