基因组、cDNA、氨基酸坐标转换神器：Transvar

简介

Transvar 是 MD Anderson 开发的一款多种方向的突变/坐标转换工具，它支持基因组坐标、cDNA 坐标以及蛋白氨基酸坐标之间的转换。Google 了一下，发现对于这个工具的介绍还是很少的，于是来介绍一下。

举个实际例子，肺癌中的EGFR基因突变，在 COSMIC 上见到的一个突变的描述网页如下，我们可以看到id 为COSM6223的突变，是一个 EGFR 基因上的缺失突变，对应的 cDNA 上的突变为c.2235_2249del15，而氨基酸突变为p.E746_A750delELREA，基因组坐标则为7:55242465..55242479；那么这个突变是否属于 EGFR 19号外显子缺失呢？缺失的序列是哪些？

网页版使用

首先我们打开 Transvar 的网页版：https://bioinformatics.mdanderson.org/transvar/

基因组正向注释

首先我们来尝试从基因组正向注释到 cDNA 及氨基酸坐标上。勾选Forward Annotation: gDNA，我们可以看见示例输入如下。

于是如上图，我们勾选GRCh37/hg19，并且勾选下面的RefSeq（需要其他数据库的可以都勾选上），在右侧的输入框中输入chr7:g.55242465_55242479del，点击Submit提交。

然后我们就能看到结果如下，

如下图，XM_开头的为预测转录本，我们只看NM_005228的结果，该突变确实为 EGFR 19号外显子缺失，并且缺失的序列为AGGAATTAAGAGAAGC>A。滑动滚动条，我们还能看到更多的注释结果。

cDNA 反向注释

尝试了基因组正向的注释，我们来测试一下通过 cDNA 坐标反向注释回基因组以及氨基酸坐标，这在我们只知道某种转录本的特定突变，需要查找基因、基因组坐标时特别有用。

如下图，勾选Reverse Annotation: cDNA，保持勾选GRCh37/hg19以及下面的RefSeq，根据示例提示，输入EGFR:c.2235_2249del，Submit。

如下图我们可以看到结果与之前的基因组正向注释的输入、结果都是一致的。

氨基酸反向注释

最后我们来尝试一下通过氨基酸突变的反向注释，当我们获得以氨基酸水平的突变表示时，我们可以通过 Transvar，轻松地转换成基因组/cDNA 水平的突变。如下图勾选Reverse Annotation: Protein，同样保持勾选GRCh37/hg19以及下面的RefSeq，根据示例提示，输入EGFR:p.E746_A750delELREA，Submit。

如下图，结果毫无疑问是一致的。

另外，当我们输入为EGFR:p.746_750时，如下图我们看到 Transvar 依然可以给我们转换出这个密码子的基因组水平的坐标范围以及 cDNA 水平的坐标范围，这在我们需要通过密码子来查找对应的基因组范围时特别有用。

终端版使用

这么有用的工具，即使在网页上上传输入文件批量转换坐标，对于我们生信工作者来说，有时仍然有些麻烦。

那么能否将 Transvar 部署到本地呢？答案是肯定的！

Transvar 提供了本地部署的方法：

旧版的代码托管主页放在了 SourceTree，https://bitbucket.org/wanding/transvar，last modified 2016-04-12

而新版的代码托管则迁移到了 Github 上，https://github.com/zwdzwd/transvar，并且用户文档位于Read the Docs。

而且还提供了 Docker 镜像。

安装

参考用户文档，安装 Transvar 主要分pip安装和Docker 镜像2种；但安装后需要下载配置 reference 数据库。

使用Python pip进行安装：

sudo pip install transvar # 全局安装
pip install --user transvar # 用户安装

使用 Docker 镜像进行安装

docker pull zhouwanding/transvar:2.4.6
docker run -v ~/references/hg38:/data -ti zhouwanding/transvar:2.4.6 transvar panno -i PIK3CA:p.E545K --ensembl --reference /data/hg38.fa
# -v 加载~/references/hg38到 Docker Container 中的/data路径
# transvar panno -i PIK3CA:p.E545K --ensembl --reference /data/hg38.fa 为注释调用命令

下载配置 Reference 数据库也很简单，以hg19为例

# set up databases
transvar config --download_anno --refversion hg19

# in case you don't have a reference
transvar config --download_ref --refversion hg19

# in case you do have a reference to link
transvar config -k reference -v [path_to_hg19.fa] --refversion hg19

也可以自己自定义配置数据库，具体设置请参考Setup and Customize。

另外，由于直接使用Transvar的命令下载参考数据库有点像ANNOVAR，容易因网络问题出错，因此你也可以到http://transvar.info/transvar_user/annotations/直接自行下载，然后配置（PS：默认的hg19的 dbSNP 数据库是2016年的，而2018年dbSNP v150等SNP 数量直接翻一番，所以建议自行重新下载）。

使用

使用命令也很清晰明了，由于与网页版类似，所以只列出对应的命令，更详细的内容请参考用户文档。

transvar ganno --ccds -i 'chr3:g.178936091G>A' # 基因组正向注释
transvar canno --ccds -i 'PIK3CA:c.1633G>A' # cDNA反向注释
transvar panno -i 'PIK3CA:p.E545K' --ensembl # 氨基酸反向注释
# 其中--ccds、--ensembl为使用不同的数据库，如网页版，可以同时多选，\
# 如 --ccds --ensembl --refseq --ucsc 来进行多选

# 批量注释
## 样式一
# cat data/small_batch_input
# chr3:g.178936091G>A
transvar ganno -l data/small_batch_input --ccds # 直接-l输入格式已转换好的输入文件

## 样式二
# cat data/small_batch_input
# chr3 178936091       G       A       CCDS43171
# chr9 135782704       C       G       CCDS6956
transvar ganno -l data/small_batch_input -g 1 -n 2 -r 3 -a 4 -t 5 --ccds 
# 指定-g、-n、-r、-a、-t对应的列（染色体、位置、ref、alt、transcript）

## 样式三
# cat data/small_batch_hgvs
# CCDS43171    chr3:g.178936091G>A
# CCDS6956     chr9:g.135782704C>G
transvar ganno -l data/small_batch_hgvs -m 2 -t 1 --ccds
# 类似样式一，-t可选，指定-t、-m对应的列（mutation、transcript）

总结

以上，我们可以看到 Transvar 作为坐标转换的神器的作用，特别是大批量的基因组区域、突变需要进行转换/注释时，甚至能指定 VCF 格式的输出。Transvar 其实16年甚至更早就已经发布，一开始源码放在Bitbucket上，经历了很长一段时间的没有更新，后来又转到 Github 上，令人可喜地发现最近又频繁更新起来。