遺傳病相關資料庫和軟體（二）：VarElect打分工具

VarElect是大名鼎鼎的GeneCards資料庫旗下的表型打分工具。這篇文章來介紹一下怎麼用這個工具。

---------------------------------------------

什麼是VarElect

VarElect是根據表型來對基因變異進行優先性打分的工具，利用的是GeneCards?資料庫中豐富的信息。VarElect輸入一個基因列表（不超過四千個），通過表型的相關性搜索將其縮小到極小的範圍。從標題的圖可以看出，對於已有表型-基因型對應關係的，直接進行關聯；對於沒有直接關係的，也可以通過間接關係建立關聯。打分主要基於資料庫文本詞頻的計數，表型關鍵詞在文本中出現得越多，證明關聯越強。同時，打分需要考慮基因相關詞條文本的多少，否則文本豐富的基因會佔文本不豐富基因的便宜。

VarElect的網址在這裡：VarElect，使用前先免費註冊一下。

VarElect需要輸入兩樣東西：基因列表和表型關鍵詞。界面如下：

---------------------------------------------

VarElect怎麼玩

下面拿一個實例來演示一下這個工具怎麼用。這個例子是一個腎病綜合征的全外顯子組測序樣本，我們的任務是找出致病相關的位點。首先，要做以下幾件事：

1. 拿到樣本的fastq後，去跑一個GATK的流程；

2. 得到vcf後，做一個annovar的注釋，也可以用在線版的wannovar，但需要填一個學術單位的郵箱。任務跑完長這樣：

3. 把下面那個genome的CSV文件下載下來excel打開（選exome那個文件的話，選擇性剪切會不給的，尷尬），篩選VQSR認為PASS的位點（被wannovar貼在最後面了，如果你做過VQSR的話），去除非編碼區突變和同義突變，去除1000G資料庫中人群頻率大於1%的突變（當然有本地資料庫更好了），這時剩下的基因肯定小於VarElect要求的四千個以內了；

4. 把基因那一列貼到VarElect里去，點提交後，它會幫你貼心的去重。有些基因會識別不了，直接無視，這是因為annovar注釋了一些類似於「KCNJ12KCNJ18」這樣詭異的基因名。在表型那一欄中輸入「血尿」的英文：hematuria，如下：

3-5的選項可以空著，3是可以指定搜索genecards資料庫的哪些位置，默認全部；4是不搜哪些表型；5是可以標記出腫瘤相關基因，作為次級發現。點綠色的分析按鈕。我們看看出來什麼結果：

分數是1-200，前兩個基因獲得了比較高的分數，其中COL4A5是著名的Alport綜合征致病基因，FN1則與纖維粘連蛋白腎小球病有關。回到注釋的excel表來看，這兩個基因分別包含了一個移碼突變和一個錯義突變。經一代測序驗證和臨床醫師確認臨床癥狀，最終報告的是這兩個基因突變。

---------------------------------------------

其實genecards是有一個收費工具可以用的，叫做TGex，它可以直接vcf進入，輸入表型關鍵詞後，直接位點幫你選好，一步到位。另外，這個工具還支持樣本管理、trios篩選、CNV注釋等功能，操作也很友好。不差錢的同學可以買一個用用看，差錢的還是像我這樣繞一步，用注釋工具先篩到他要求的4000個基因以內好了。這期就到這裡，希望小夥伴們多試試，聊一下這個工具的假陰性和假陽性怎麼樣。