🐮 Mini trabalho de somático 🐮

VEPSomatico

Como utilizar VEP -ensembl 105.0 em um VCF somático no Colab

• Introdução
• Preparação do ambiente de trabalho
• Utilizando o VEP

Introdução

Ensembl Variant Effect Predictor ou VEP te ajuda a determinar os efeitos das variantes encontradas nos dados a serem analisados; sendo eles genes, transcritos ou sequências proteicas. Precisando apenas das coordenadas das variantes e a mudança nucleica que foi observada.

O processo para utilização do VEP segue por:

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. Agora montamos um diretório específico para os documentos gerados. Utilizamos o "%%bash" para indicar ao Colab que este código está em bash e utilizamos o "%cd" para fixar esse diretório como o diretório principal:

%%bash
mkdir vepsomatico
%cd somatico

3. Para confirmar que o diretório que será utilizado é o que queremos, podemos usar:

%%bash
pwd

Com isso o ambiente de trabalho está preparado para receber o VEP.

Utilizando o VEP

Agora que temos nosso ambiente de trabalho preparado, podemos utilizar o próximo comando 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
4. As duas últimas linhas indicam ao colab para entrar no diretório do VEP onde foi descompactado e fazer 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 

Pronto, instalação comcluida. Podemos utilizar o código abaixo para testar se tudo ocorreu como o planejado:

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

Por fim, com o ambiente de trabalho preparado e o VEP instalado, podemos fazer a anotação das variantes com o seguinte comando:

%%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

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

• em '-i' o 'caminho_documento_vcf' se refere ao caminho do diretório onde o arquivo vcf a ser analisado está localoizado e 'nome_documento_vcf' se refere ao nome do documento VCF que será analisado
• em '-o' o 'nome_desejado' se refere ao nome que você 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

< Imagina fazer o próximo trabalho todo no github>
 -----------------------------
     \   ^__^
      \  (oo)\_______
         (__)\       )\/\
            ||----w |
            ||     ||