1.前言

一般注释内容分为6个部分：

• 基因及区域注释（2-22）

• 数据库（频率）注释（23-33）

• 保守（有害）性预测（34-49）

• 变异位点信息（50-56）

• 基因功能及通路注释（57-68）

• 基因的组织特异性表达情况的注释（69-73）

数据库注释信息的解读基本包含，下面将分别对这六个部分进行介绍，基本上能用到的数据库注释信息都在这了，以下对每列表头信息进行解释：

第一部分：基因及区域注释信息

（1）CHROM：  染色体

（2）POS：  变异位点在染色体上的绝对位置

（3）ID： dbSNP注释ID

（4）REF：  参考基因组碱基型

（5）ALT：  样本基因组碱基型

（6）QUAL：  变异的质量值，值越高越好。文献中常见以变异的质量值大于20为过滤标准

（7）FILTER：  过滤TAG，如果该位点满足所有过滤条件，则标记为PASS（采用国际惯用的过滤标准）

（8）GeneName：  基因名称注释，列出该变异所在的基因

（9）Description: 变异位点所在基因的描述

（10）Func：对变异位点所在的区域进行注释（exonic, splicing, UTR5, UTR3, intronic, ncRNA_exonic, ncRNA_intronic, ncRNA_UTR3, ncRNA_UTR5, ncRNA _splicing, upstream, downstream, intergenic）。

（11）Gene：  列出该变异位点相关的转录本（只有功能符合Func列的转录本才列出）。如果Func列为intergenic，此处列出两侧的基因名

（12）GeneDetail：  描述UTR、splicing、ncRNA_splicing或intergenic区域的变异情况。

（13）ExonicFunc：  外显子区的SNV 或 InDel变异类型（SNV的变异类型包括synonymous_SNV, missense_SNV, stopgain, stopgloss和unknown；InDel的变异类型包括frameshift insertion, frameshift deletion, stopgain, stoploss, nonframeshift insertion, nonframeshift deletion和unknown）

（14）AAChange：  氨基酸改变。

（15）Gencode： Gencode注释的基因名称

（16）cpgIslandExt：CpG岛预测结果，注释结果为CpG岛名称，如CpG: 116（116是该CpG岛中CG二核苷酸的数目）

（17）cytoband：该变异位点所处的染色体区段（利用Giemas染色观察得到的）。如果变异位点跨过多个区段，用短横线连接

（18）wgRna：  基于miRBase和snoRNABase，对变异位点相关的microRNA和snoRNA进行注释，给出microRNA和snoRNA的基因名称

（19）targetScanS： UCSC提供TargetScanS注释数据库，库中包含在3’UTR中保守的microRNA结合位点，来源于TargetScanHuman 5.1的预测结果；该软件预测microRNA的靶点，预测结果依据microRNA与靶点之间结合的效能进行排序，排名越靠前，说明microRNA与其靶点的结合越可能是实际存在的事件。

（20）tfbsConsSites：  基于transfac矩阵数据库（v7.0），计算所有转录因子结合位点在人/小鼠/大鼠比对中的保守分值

（21）genomicSuperDups：检测该变异位点是否位于重复片段（segmental duplication）中。

（22）Repeat：  重复序列注释信息，重复序列来源于RepeatMasker注释。

第二部分：数据库（频率）注释

（23）avsnp：  该变异在dbSNP中的ID

（24）ClinVar：  注释变异与人类疾病之间的关系，临床意义的数据来源于NCBI

（25）gwasCatalog：  检测变异位点是否在以往的GWAS研究中被报导，表示该变异位点与哪些疾病相关联，"."表示没有GWAS报导。

（26）1000g_Chinese：  给出千人基因组计划数据的中国人群中，该变异位点上突变碱基的等位基因频率

（27）1000g_EAS：  给出千人基因组计划数据的东亚人群中，该变异位点上突变碱基的等位基因频率

（28）1000g_ALL：给出千人基因组计划数据的所有人群中，该变异位点上突变碱基的等位基因频率

（29）esp6500si_all：  国家心肺和血液研究所外显子组测序计划（NHLBI-ESP project，esp6500si_all数据库中包含SNP变异、InDel变异和Y染色体上的变异的所有个体中，突变碱基的等位基因频率（alternative allele frequency）

（30）GnomAD_ALL_AF：指在所有人群中，该变异位点上突变碱基的等位基因频率

（31）GnomAD_ALL_AN：指在所有人群中，该变异位点上突变碱基的等位基因的数目

（32）GnomAD_EAS_AF：指在所有亚洲人群中，该变异位点上突变碱基的等位基因频率

（33）GnomAD_EAS_AN：指在所有亚洲人群中，该变异位点上突变碱基的等位基因基因的数目

第三部分：保守（有害）性预测

（34）dbscSNV_SCORE： dbscSNV是基于多种预测突变是否影响splicing的软件，通过Ada和RF两种机器学习方法得到两个综合的预测分值。

（35）spidex：预测基因突变如何影响RNA剪接，

（36）Interpro_domain： Interpro数据库注释的突变位点所在蛋白质的结构域

（37）SFT： SIFT分值(dbNSFP version3.0)，表示该变异对蛋白序列的影响。逗号前后分别是SIFT_score和SIFT_pred：SIFT_score是SIFT分值， SIFT_pred是预测结果，取值为T或者D。

（38）Polyphen2_HVAR：  利用PolyPhen2基于HumanVar数据库预测该变异对蛋白序列的影响，用于单基因遗传病(dbNSFP version3.0)。该列包含两个值，第一个是PolyPhen 2分值；第二个是D或P或B（D: Probably damaging (>=0.909), P: Possibly damaging (0.447<=pp2_hvar<=0.909); B: Benign (pp2_hvar<=0.446)）

（39）Polyphen2_HDIV：  利用PolyPhen2基于HumanDiv数据库预测该变异对蛋白序列的影响，用于复杂疾病(dbNSFP version3.0)。逗号前后分别是Polyphen2_HDIV_score和Polyphen2_HDIV_pred：Polyphen2_HDIV_score是PolyPhen 2分值；Polyphen2_HDIV_pred是预测结果，取值为D或P或B（D: Probably damaging (>=0.957), P: Possibly damaging (0.453<=pp2_hdiv<=0.956); B: Benign (pp2_hdiv<=0.452)）

（40）MutationTaster： MutationTaster预测结果(dbNSFP version3.0)，表示该变异对蛋白序列的影响。逗号前后分别是MutationTaster_score和MutationTaster_pred：MutationTaster_score是MutationTaster分值， MutationTaster_pred是预测结果，取值为A、D、N或者P。"A" ("Disease_causing_automatic"); "D" ("Disease_causing"); "N" ("Polymorphism"); "P" ("Polymorphism_automatic")。A和D都表示位点可能有害。

（41）LRT： LRT预测结果(dbNSFP version3.0)，表示该变异对蛋白序列的影响。逗号前后分别是LRT_score和LRT_pred：LRT_score是LRT分值， LRT_pred是预测结果，取值为D、N或者U(D: Deleterious; N: Neutral; U: Unknown)

（42）MutationAssessor： MutationAssessor预测结果(dbNSFP version3.0)，表示该变异对蛋白序列的影响。逗号前后分别是MutationAssessor_score和MutationAssessor_pred：MutationAssessor_score是MutationAssessor初始分值， MutationAssessor_pred是H、M、L或N（H: High; M: Medium; L: Low; N: Neutral.）。H和M表示功能性的，L和N表示non-functional

（43）FATHMM： FATHMM预测结果(dbNSFP version3.0)，表示该变异对蛋白序列的影响。逗号前后分别是FATHMM_score和FATHMM_pred：FATHMM_score是FATHMM初始分值， FATHMM_pred是D或T（D: Deleterious; T: Tolerated)

（44）SiPhy_29way_logOdds： SiPhy是基于29种哺乳动物的多序列比对得到位点的保守性分值，分值越大，位点越保守(dbNSFP version3.0)

（45）phyloP46way_placental: PhyloP预测结果(dbNSFP version3.0)，基于46个哺乳动物物种的多序列比对得到位点的保守性分值，分值越大，位点越保守。

（46）phyloP100way_vertebrate： PhyloP预测结果(dbNSFP version3.0)，基于100个脊椎动物物种的多序列比对得到位点的保守性分值，分值越大，位点越保守

（47）CADD：对SNV和InDel的有害性进行打分。注释结果中，有分值时，逗号前后分别是CADD和CADD_Phred；CADD列是初始分值，CADD_Phred是转换后的分值；CADD_Phred分值中，10表示score排名在前10%，20表示前1%，30表示前0.1%. 对于InDel，对全部有CADD分值的InDel给出分值，'.'表示没有CADD分值。对于SNP，仅对CADD分值排名在前10%的SNP给出分值，'.'表示CADD分值排名不在前10%。

（48）gerp++gt2： dbNSFP version3.0中的gerp++只包含coding variant的注释。为

（49）MCAP：  是一种致病性似然分数，即孟德尔临床应用致病性（Mendelian Clinically Applicable Pathogenicity，MCAP）分数。

第四部分：变异位点信息注释，包括变异位点的覆盖深度，突变前后碱基型和纯杂合信息

（50）INFO：  变异软件检测的变异位点信息

(51）FORMAT：  用“：”分隔了若干个字段：
GT：该位点基因型（Genotype）。0代表Allele和REF相同，1、2、3等代表Allele和REF不同；纯合：0/0，1/1；杂合：0/1
PL：标准化基因型似然值（逗号分隔的三个值，依次对应0/0、0/1、1/1三种基因型，值越小越好）
DP：该位点测序深度（覆盖的总reads数）
AD: 该位点参考碱基和测序碱基的测序覆盖深度，格式ref,alt（ref为参考碱基型的测序深度，alt为测序碱基型的测序深度）

（52）SampleName：  与FORMAT列对应，‘：’分隔的每一部分对应FORMAT‘：’分隔的每一部分

（53）Ori_REF：  该位点在VCF文件中REF列的值。

（54）Ori_ALT：  该位点在VCF文件中ALT列的值

（55）shared_hom：  在当前位点处发生纯合突变的样本数目

（56）shared_het：  在当前位点处发生杂合突变的样本数目

第五部分：基因功能及通路注释

（57）OMIM：  人类孟德尔遗传病数据库注释，给出与变异位点所在基因相关的遗传疾病名称

（58）GWAS_Pubmed_pValue：  该变异位点在以往的GWAS研究中，被哪篇文章报导与疾病相关联，并给出该位点在文章中的p-value。格式为：分号分隔的pubmedID(p-value)

（59）HGMD_Disease_ID：  人类基因突变数据库注释，给出该变异位点相关的疾病名称和在HGMD数据库中的ID。格式为：Disease_name（HGMD中的ID号）

（60）HGMD_Mutation_URL：  给出该变异位点在人类基因突变数据库（HGMD）中收录的文献报道中的突变形式以及参考文献网址

（61）PubMedID：给出与该突变位点或基因相关的PubMed文献编号，来源于HGMD和OMIM数据库，通过在Pubmed中输入编号可检索到编号对应的文献，PubMed编号以|分隔。

（62-64）GO_BP, GO_CC, GO_MF： Gene Ontology数据库注释，GO是基因本体学注释，包括了基因的生物学过程（Biological Process，BP），细胞组分（Cellular Component，CC）和分子功能（Molecular Function，MF）的注释。给出变异位点所在蛋白质或者基因参与的生物学通路名称

（65）KEGG_PATHWAY：全基因组及代谢途径数据库注释，给出变异位点所在基因参与的代谢通路名称

（66）PID_PATHWAY：  通路相互作用数据库注释，给出与变异位点所在蛋白相互作用的通路名称

（67）BIOCARTA_PATHWAY： BIOCARTA数据库注释，给出变异位点所在基因参与的分子通路名称

（68）REACTOME_PATHWAY：人类生物学反应及信号通路数据库注释，给出变异位点所在基因参与的信号通路名称

作者：oddxix
链接：https://www.jianshu.com/p/7995c899881b