欢迎关注”生信修炼手册”!
通过SNP芯片来检测CNV，对应的分析软件有很多，PennCNV就是其中之一，该软件通过隐马可夫模型来检测CNV, 官网如下
数据分析的pipeline示意如下
首先我们需要准备signal intensity file， 该文件用来记录每个位点对应的LRR和BAF两个统计值，有两种格式，第一种格式示意如下
\t分隔的6列，第一列为SNP的名称，第二列为snp位点所在的染色体名称，第三列为snp位点所在的染色体位置，第四列为该位点的分型结果，第五列为LRR统计值，第六列为BAF统计值，对于cnv calling而言，最重要的是Name, LRR, BAF这3列的值，所以该文件还可以有第二种格式，示意如下
其次需要芯片平台对应的HMM和PFB文件，在软件的安装目录自带了部分芯片对应的这两种文件。PFB是population frequency of B allel的缩写，本质是每个SNP位点的MAF, 同时还提供了染色体位置的注释信息，内容示意如下
对于SNP芯片上集成的非SNP探针，约定其PFB的值为2。需要注意的是，只有该文件中记录的位点才会用于CNV calling的分析，当我们需要筛选位点时，只需要在该文件中进行过滤即可。HMM文件是软件自带的，提供了不同拷贝数之间的转移概率。准备好输入文件之后，就可以进行分析了，常见的分析步骤如下
1. CNV calling
对于独立样本，检测CNV的命令如下
detect_cnv.pl \
-test \
-hmm lib/hh550.hmm \
-pfb lib/hh550.hg18.pfb \
sample.txt \
-log sample.log \
-out sample.rawcnv
输出内容如下所示
第一列为CNV的染色体区域，第二列为该CNV区域包含的SNP位点数目，第三列为CNV区域的长度，第四列中cn表示该CNV区域的拷贝数，后面依次是样本对应的输入文件，起始和终止的snp name, 打分值。
2. 筛选CNV
常见的筛选策略如下
- 根据长度和包含的位点数等统计指标进行过滤
- 根据染色体区域进行筛选，过滤掉位于特殊区域的CNV,比如着丝粒，端粒等区域
根据长度过滤的命令如下
filter_cnv.pl \
-numsnp 10 \
-length 50k \
sampleall.rawcnv
过滤掉包含的snp位点数少于10个，长度小于50kb的CNV区域。
3. CNV的注释
通常会对CNV区域进行以下注释
- overlap的基因
- 上下游最邻近的基因
- overlap的功能元件
命令如下
scan_region.pl \
sampleall.rawcnv \
hg19_refGene.txt \
-refgene \
-reflink hg19_refLink.txt \
> sampleall.cnv.hg19
4. CNV的可视化
对CNV区域内SNP位点的LRR和BAF值进行可视化，命令如下
visualize_cnv.pl \
-format plot \
-signal sample.txt \
sampleall.rawcnv
结果示意如下
该软件还有很多高级的用法，比如家系样本的CNV检测，case/control的关联分析等等，更多用法请参考官方文档。
·end·
—如果喜欢，快分享给你的朋友们吧—
扫描关注微信号，更多精彩内容等着你！
