annovar好用却又不完全会用

annovar作为老牌变异注释软件，用起来还是挺方便的，速度也挺快，可以输出txt格式的结果，是一个不错的选择。支持的输入格式有pileup、cg、cgmastervar、gff3-solid、soap、maq、casava、vcf4、vcf4old、rsid。

annovar将注释分成三大类：gene-based (注释突变发生的基因组功能区及对功能的影响)、region-based (注释突变与基因组特定片段的关系)、filter-based (基于已知变异数据库注释突变)，程序操控时 (即operation参数) 对应的字段分别为g、r、f。注释程序为table_annovar.pl、annotate_variation.pl，前者依赖于后者且一次性可完成三种注释，后者一次只能完成一种注释，推荐使用前者。

常规使用还是相当方便的，先下载需要的数据库：

# 所有可用的数据库：https://annovar.openbioinformatics.org/en/latest/user-guide/download/#additional-databases
annotate_variation.pl -buildver hg38 -downdb -webfrom annovar refGene hg38db

然后，就可以愉快的注释了：

table_annovar.pl sample.vcf hg38db /
  --buildver hg38 /
  --outfile sample /
  --protocol refGene,cytoBand,gnomad211_exome /
  --operation g,r,f /
  --remove --nastring . /
  --vcfinput

如果需要三种注释方法对应的额外参数，可以查看annotate_variation.pl的所有参数，后面括号里面标明了参数属于gene-based、region-based、filter-based中的哪一类，然后使用如下的方式提供：

table_annovar.pl sample.vcf hg38db /
  --buildver hg38 /
  --outfile sample /
  --protocol refGene,cytoBand,gnomad211_exome /
  --operation g,r,f /
  --argument '-hgvs --separate',, /
  --remove --nastring . /
  --vcfinput -csvout

基因提供的数据库的常规注释方法确实很方便，基本也已经可以满足日常需求。但软件还是提供了一些参数可以自定义数据库文件，如--gff3dbfile、--bedfile、--genericdbfile、--vcfdbfile参数，前两个属于region-based，后两个属于filter-based，指定operation参数值时分别为gff3、bed、generic、vcf。以下是解析相应文件时的一些关键提示：

• 解析gff3文件时，只会体用1、4、5、6、9这几列的信息，后面两列分别为score、attribute信息。默认输出score，是否输出attribute信息由gff3attribute参数控制。

• 解析bed文件时，文件至少还有3列分别为chr、start、end，多余的列会用逗号分隔作为一个字段输出，如果没有则为NA。

• 解析genericdb文件时前6列，分别为chr、start、end、ref、obs、 score，其余的列为otherinfo。文件至少包含5列，若只有5列则score为NA。如果score为数值型会先用于过滤结果，否则会直接输出。

• 解析vcf文件时，默认会检查是否有AF或者AF1，不存在时检查是否有AC或者AN，然后基于此计算score值，如果没有则为NA。如果使用了infoasscore参数，则score替换为INFO列信息；或者使用了idasscore参数，则score替换为ID列信息。

在官方文档和网络上都没有找到对自定义数据库的使用描述，这些参数使用起来略显吃力，记录一下：

table_annovar.pl sample.vcf hg38db /
  --buildver hg38 /
  --outfile sample /
  --protocol vcf /
  --operation f /
  --vcfdbfile customer.vcf /
  --remove --nastring . /
  --vcfinput -csvout

如果不知道自定义数据库文件怎么用也没有关系，可以直接下载官方的数据库，常规方法就可以搞定，实在不行也可以换个软件来搞定，比如snpEff、SnpSift也挺好用。