前面介绍过fasq，fastq，bam三种生物数据分析中常用的格式。fasta一般作为比对的参考序列，fastq为测序数据，将fastq比对到fasta则生成bam文件，对bam进行排序建立索引，就可以直接输出为vcf格式，这个系列我们来详细介绍一下vcf格式的操作。
13 Annovar注释
annovar也是一款比较有名的变异位点注释工具，使用起来也非常容易，使用vcf格式就可以进行注释，软件会首先对其进行格式转换，然后进行注释。
#生成annovar格式convert2annovar.pl-formatvcf4oldA1.snps.indel.VQSR.vcf.gz>A1.annovar.input#gene-based注释annotate_variation.pl--geneanno-buildverhg38--outfileA1.geneanno.annoA1.annovar.inputhumandb/14 clinvar临床数据库注释
clinvar是收集了与人类疾病相关突变位点的数据库，将得到的突变位点与clinvar数据库进行比对即可根据突变情况进行疾病的预测。使用clinvar数据库首先需要下载clinvar数据库，下载之后可以使用snpEFF后者annovar软件进行注释。
#clinvar注释convert2annovar.pl-formatvcf4oldA1.HC.snps.indel.VQSR.vcf.gz>A1.annovar.inputannotate_variation.pl--filter-buildverhg38--outfileA1.clinvar.annoA1.annovar.input-dbtypeclinvar_20180603humandb/
15 一致性序列
所谓一致性序列，就是一条与参考序列长度一致，但是仅将突变位点进行替换的序列，一致性序列完全根据参考序列为模板生成，是并不存在的序列，主要用于后面构建系统发育树。
bcftoolsconsensus-fref.fna-sSample1-oSample1_consensus.fafile.vcf.gz16 VQSR
VQSR是Variant Quality Score Recalibration，是GATK的核心功能，也就是利用机器学习算法对vcf进行过滤。利用机器学习算法对突变位点进行过滤比采用“一刀切”对所有位点处理的方式准确性更高。进行VQSR，首要要准备的已知变异集作为训练集，可以是Hapmap、OMNI，1000G，dbsnp，瓶中基因组计划等这些国际性项目的数据，然后利用训练集对每一个位点进行过滤。利用VariantRecalibrator工具进行机器学习，ApplyVQSR工具进行处理。VQSR过滤SNP和InDel分别进行，首先处理SNP，得到结果后，在进行InDel处理。具体方法可以参加gatk软件的VQSR说明部分。
https://gatkforums.broadinstitute.org/gatk/discussion/39/variant-quality-score-recalibration-vqsr
---------- END----------
