👨 Somatico--Trabalho Bioinformatica- 💻

Introdução para utilização do VEP Somático

Ensembl Variant Effect Predictor (VEP) auxilia na determinação dos efeitos das variantes encontradas nos dados analisados. que podem ser genes, transcritos ou sequências proteicas. Para a análise utilizando o VEP é necessário apenas as coordenadas das variantes e a mudança nucleica observada.

O processo inicial para utilização do VEP :

1- Montar o drive no Colab;

2- Instalar o VEP;

3- Fazer a anotação das variantes.

Preparação do ambiente de trabalho

Começar criando um novo notebook no seu Google Colab, uma vez no colab:

1- Montar o drive no ambiente de trabalho, que permite criar e gerenciar os dados

from google.colab import drive 
drive.mount('/content/drive')

2- Montar um diretório específico para os documentos gerados. Utilizar o %%bash para indicar ao Colab que este código está em bash e utilizar o %cdpara fixar esse diretório como o diretório principal:

%%bash
mkdir vepsomatico
%cd somatico

3- Confirmar o diretório que será utilizado:

%%bash
pwd

4- Instalar algumas módulos que serão utilizados mais adiante:

import pandas as pd
import csv

Ambiente de trabalho está preparado para a utilização do programa VEP.

Utilizando o VEP

Criado o ambiente de trabalho, utilizar o comando abaixo para instalar o VEP. Em ordem, cada linha do comando pode ser interpretada da seguinte forma:

1- Instalação dos pacotes necessários para utilizar o VEP;

2- Fazer download do VEP na versão esembl-vep 105.0;

3- Descompactar o documento baixado.

As duas últimas linhas indicam ao colab para entrar no diretório do VEP onde foi descompactado e realizar a instalação:

%%bash
sudo apt install unzip curl git libmodule-build-perl libdbi-perl libdbd-mysql-perl build-essential zlib1g-dev
wget -c https://github.com/Ensembl/ensembl-vep/archive/refs/tags/105.0.tar.gz
tar -zxvf 105.0.tar.gz
cd ensembl-vep-105.0
./INSTALL.pl --NO_UPDATE 

Após, utilizar o código abaixo para verificar a instalação:

%%bash
cd ensembl-vep-105.0
./vep

Com o ambiente de trabalho preparado e o VEP instalado, realizar a anotação das variantes:

%%bash
/ensembl-vep-105.0/vep  \
  --fork 4 \
  -i /caminho_documento_vcf/nome_documento_vcf.vcf.gz \
  -o nome_desejado.filtered.vcf.tsv \
  --dir_cache /caminho_dir_cashe/ \
  --fasta /caminho_documento_fasta/nome_documento_fasta.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
  

Para interpretar os caminhos e nomes necessários para preencher corretamente o comando acima obervar:

-Em -i o caminho_documento_vcf se refere ao caminho do diretório onde o arquivo vcf a ser analisado está localizado e nome_documento_vcf se refere ao nome do documento VCF que será analisado.

-Em -o o nome_desejado se refere ao nome que deseja utilizar no output do arquivo filtrado gerado pelo VEP.

-Em --dir_cache o 'caminho_dir_cashe' se refere ao caminho do diretório cashe.

-Em --fasta o caminho_documento_fasta é o caminho para o diretório onde está localizado o documento fasta.

-As opções --cache, --fields e --individual deve-se preencher de acordo com o que deseja gerar no output e a documentação para fazer a melhor escolha possível para cada caso pode ser encontrada no site: https://www.ensembl.org/info/docs/tools/vep/script/vep_filter.html

Depois, visualizar o arquivo gerado pelo VEP através de uma tabela gerada pelo pandas:

1- Em caminho_para_vcf_tsv indica o caminho do diretório para o arquivo vcf.tsv;

2- Em nome_arquivo_vcf_tsv se refere ao nome do arquivo vcf.tsv que foi gerado.

tabela = pd.read_csv('/caminho_para_vcf_tsv/nome_arquivo_vcf_tsv.filtered.vcf.tsv', sep='\t', skiprows=38)
df = pd.DataFrame(tabela)
df

Exemplo da tabela:

index	#Uploaded_variation	Location	Allele	Existing_variation	HGVSc	HGVSp	SYMBOL	Consequence	IND	ZYG	Amino_acids	CLIN_SIG	PolyPhen	SIFT	VARIANT_CLASS	FREQS
0	1_874643_C/A	1:874643	A	-	NM_001385640.1:c.1058-9C>A	-	SAMD11	splice_polypyrimidine_tract_variant,intron_variant	WP312	HET	-	-	-	-	SNV	-
1	1_874647_C/A	1:874647	A	rs1336064632	NM_001385640.1:c.1058-5C>A	-	SAMD11	splice_polypyrimidine_tract_variant,splice_region_variant,intron_variant	WP312	HET	-	-	-	-	SNV	-
2	1_880620_A/C	1:880620	C	rs1569931554	NM_015658.4:c.2054-94T>G	-	NOC2L	intron_variant	WP312	HET	-	-	-	-	SNV	-