生物信息分析：从入门到精（fang）通（qi）第5期 我们的征途是星辰大海
生信小白：震惊！一个全基因组会产生数百万个变异位点，每个位点都有这么多注释信息。我的眼睛快看不过来了。。。
西克孚肉：我们的目标往往只有几个或者几十个，所以我们要尽可能把不相关的变异过滤掉，找到最可能致病的。
生信小白：这寻找的过程不就是大海捞针嘛。
西克孚肉：对的，我们的征途是星辰大海！
Q：什么是变异过滤？
西克孚肉：
变异过滤是通过一定的过滤策略，去除与患者表型不太可能相关的变异，并尽可能减少候选变异的数目。
我们上一期注释的信息，就可以用来过滤。比如群体数据库，可以用来去除一般群体中高频率的变异，排除常见的良性变异。
过滤策略可能因不同疾病、不同情况而异，由临床医生、遗传咨询师、生信背景的专业人员根据需要来制定。
常用的过滤策略
数据质量
为了保证分析结果的可靠性，需要基于测序质量进行位点过滤，这一步目的是去除低质量数据的位点或低比对质量的位点。常用的过滤条件有变异碱基深度AAD、变异频率AD Ratio、覆盖深度DP、基因型质量值GQ、变异质量值QUAL。其中最直接的可以根据覆盖深度进行过滤，通常情况下覆盖深度越低，结果越不可信。另外，设定一定的阈值，对注释结果中的特定信息进行筛选叫做硬过滤。GATK Filter就是硬过滤，常用的参数有DP < 10，QD < 2.0，FS > 60.0，MQ < 10.0，MQRankSum < -12.5，ReadPosRankSum < -8.0等，只要突变满足其中一条，就会被过滤掉。
人群频率
gnomAD，ExAC，1000 Genomes 这些频率数据库的注释信息可以用来进行筛选。不同位点的基因型在人群中的频率是不一样的，不同人群致病变异的携带率也不大一样。一般来讲，人群中频率高的突变往往是没有致病性，可以用来过滤，排除常见的良性变异。基因变异程度可根据次等位基因频率(minor allele frequency，MAF)划分，MAF介于5%—50%之间称为常见变异，MAF介于1%—5%之间的为少见变异，MAF小于1%的为罕见变异。在研究罕见病的致病变异时，应该过滤掉非罕见变异。
变异分类
根据突变所处的基因组位置，可以分为编码区和非编码区突变。根据分析的目的，可以把非关注的区域内的突变过滤掉。保留下来的变异，可以根据对蛋白质序列的影响，分为同义突变、错义突变、无义突变、终止密码突变、剪接位点突变和移码突变等。
疾病知识
通过疾病数据库进行过滤，常用的数据库有ClinVar、OMIM和HGMD。例如ClinVar是变异——表型相关的数据库，将变异分为致病（P）、可能致病（LP）、良性（B）、可能良性（LB）、意义不明确（VUS）五类，可以根据ClinVar的致病性评级进行过滤。
危害性预测结果
常见的蛋白质功能预测工具有SIFT、 PolyPhen2、MutationTaster、MutationAssessor、 CADD、FATHMM等。SIFT是根据进化保守性来预测氨基酸变化对蛋白功能的影响，变异有害性越高，值越小。PolyPhen2基于蛋白结构同源性算法，其值越大变异有害性越大。剪切位点突变危害分析工具dbscSNV是根据突变前后分值的变化来预测剪切位点的突变危害性。
西克孚肉：变异的过滤还有其他的方式，常需要结合遗传模式和临床综合判断。过滤策略选择要根据实际情况和分析目的。抽丝剥茧，真相就在眼前！
生信小白：抽丝剥茧的过程中，有好多信息需要查看，一列一列信息去筛选实在是太不方便了。
西克孚肉：别担心，我即将到来的小兄弟Analyzer可以帮助你实现高效筛选。
医学遗传变异分析工具https://www.zhihu.com/video/1127888443644162048生信小白：太棒了，它到来的时候，可一定要第一时间告诉我啊。
西克孚肉：没问题～
往期回顾：