如何理解Mutation Annotation Format格式

這篇文章給大家介紹如何理解Mutation Annotation Format格式，內(nèi)容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

Mutation Annotation Format， 簡稱MAF, 是由TCGA制定的一種文件格式，用來存儲突變注釋信息。在TCGA中，對于突變數(shù)據(jù)有以下四種類型

1. Annotated Somatic Mutation, 體細胞突變的注釋文件，格式為VCF, 采用VEP軟件進行注釋，文件后綴為vep.vcf.gz

2. Raw Simple Somatic Mutation, 體細胞突變的原始文件，格式為VCF, 文件后綴為vcf.gz

3. Aggregated Somatic Mutation, protected的突變注釋文件，需要賬號和權(quán)限才可以下載，格式為MAF, 文件后綴為maf.gz

4. Masked Somatic Mutation, open access的突變注釋文件，免費下載的，格式為MAF, 文件后綴為maf.gz

   
   

在TCGA中,VCF通常用于記錄單個樣本的體細胞突變相關(guān)結(jié)果，MAF用于整合所有樣本的體細胞突變注釋結(jié)果，所以稱MAF格式為project-level, 根據(jù)數(shù)據(jù)的開放性，又分為protected和open access, 其中open access就是我們可以直接下載得到的MAF文件， 以乳腺癌為例，在TCGA中提供了4個MAF文件

對應(yīng)4個不同的體細胞突變calling軟件，每個文件中包含了1044個樣本的體細胞SNV注釋結(jié)果。

MAF和VCF類似，也是一個純文本的格式，由\t分隔的許多列構(gòu)成，從GDC下載的MAF文件的截圖如下

#開頭的為注釋行，其他部分為正文，每一列有一個固定的表頭, 完整的MAF共有100多列，在實際處理中，我們可能沒有這么多列的信息，常用的幾列解釋如下

1. column1, Hugo_Symbol, 由HUGO提供的gene  symbol, 表示SNV所在的基因名稱

2. column 2,Entrez_Gene_id, SNV所在基因的entrez  id, 如果沒有對應(yīng)的基因，則用0表示

3. column 4,NCBI_Build, snv calling時使用的參考基因組版本

4. column5,Chromsome, SNV所在的染色體

5. column6,Start_Position, SNV在染色體上的起始位置

6. column7,End_Position,SNV在染色體上的終止位置

7. column9,Variant_Classification, SNV位點的分類，Missense_Mutation，Nonsense_Mutation等類別,分類的依據(jù)為SNV對翻譯的影響

8. column10,Variant_Type,  SNV位點的類型，比如SNP, INS,DEl等類型

9. column11,Reference_Allel, 參考基因組上的allel

10. column12,Tumor_Seq_Allel1, 腫瘤樣本中該位點對應(yīng)的主等位基因

11. column13,Tumor_Seq_Allel2,腫瘤樣本中該位點對應(yīng)的次等位基因

12. column16,Tumor_Sample_Barcode, 腫瘤樣本的barcode

13. column17,Tumor_Normal_Barcode,配對的正常樣本的barcode

    
    

每一列的詳細含義見如下鏈接

https://docs.gdc.cancer.gov/Data/File_Formats/MAF_Format/

MAF是專門針對human定義的一種文件格式，通過一個文件就可以包含所有樣本的SNV和對應(yīng)的注釋信息，對于下游分析而言，非常的方便。在實際使用中， 對于VCF文件，可以通過vcf2maf將其轉(zhuǎn)換為MAF格式，在后續(xù)文章中會具體介紹該軟件的用法。

關(guān)于如何理解Mutation Annotation Format格式就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。