使用MuSE软件找somatic mutation

MuSE软件发表在2016年8月的Genome Biology 杂志，文章标题是；《MuSE: accounting for tumor heterogeneity using a sample-specific error model improves sensitivity and specificity in mutation calling from sequencing data》

软件链接是：MuSE (http://bioinformatics.mdanderson.org/main/MuSE), 大名鼎鼎的 MD Anderson 出品的软件，肯定是值得一用，而且还是TCGA的官方推荐的4个软件之一。

首先下载安装MuSE

mkdir -p $HOME/biosoft/MuSE
cd $HOME/biosoft/MuSE
wget http://bioinformatics.mdanderson.org/Software/MuSE/MuSEv1.0rc_submission_b391201 
mv MuSEv1.0rc_submission_b391201 muse
chmod 777 muse
$HOME/biosoft/MuSE/muse

该软件也是很久没有更新了：

Version: v1.0rc
         Build Date Jun  3 2015
         Build Time 10:30:35

处于基本上用完了也没办法检查结果的好坏的境况。

针对N-T配对的bam文件运行MuSE

首先是在单个病人的N-T配对的bam文件测试MuSE软件的用法，这里有两个命令需要衔接一下，首先是muse call然后是muse sump ，需要参考基因组以及dbSNP数据库文件。

ref=$HOME/biosoft/GATK/resources/bundle/hg38/Homo_sapiens_assembly38.fasta 
dbsnp=$HOME/biosoft/GATK/resources/bundle/hg38/dbsnp_146.hg38.vcf.gz
normal_bam=N_recal.bam
tumor_bam=T_recal.bam
sample=test
$HOME/biosoft/MuSE/muse call -O $sample -f $ref $tumor_bam $normal_bam
$HOME/biosoft/MuSE/muse sump -I $sample.MuSE.txt -E –O $sample.vcf –D $dbsnp

结果文件，就是典型的VCF格式，而且tags不多值得注意的只有ID=SS,Number=1,Type=Integer,Description="Variant status relative to non-adjacent Normal,0=wildtype,1=germline,2=somatic,3=LOH,4=post-transcriptional modification,5=unknown

前5列CHROM POS ID REF ALT很正常，第6列QUAL全部是点，第7列FILTER 把位点分级了。第8列是 INFO 信息，全部是SOMATIC

第9,10,11列是GT:DP:AD:BQ:SS 格式的tumor和normal，可以看到normal都是野生型0/0, tumor全部是杂合突变1/0，只是allel frequency不同而已，介于0~1之间。

一般来说，都是一大波样品批量运行啦，需要一个config文件，主要是3列信息：

第一列是肿瘤命名
第二列是肿瘤病人的normal组织的bam文件地址
第三列是肿瘤病人的肿瘤组织的bam文件地址。

批量运行muse的脚本如下：

ref=$HOME/biosoft/GATK/resources/bundle/hg38/Homo_sapiens_assembly38.fasta
dbsnp=$HOME/biosoft/GATK/resources/bundle/hg38/dbsnp_146.hg38.vcf.gz
$HOME/biosoft/MuSE/muse call

cat $config_file |while read id
do
	arr=($id)
	normal_bam=${arr[1]}
	tumor_bam=${arr[2]}
	sample=${arr[0]}

	if((i%$number1==$number2))
	then
		if [  ! -f ${sample}_muse.vcf ]; then


$HOME/biosoft/MuSE/muse call -O $sample -f $ref $tumor_bam $normal_bam
$HOME/biosoft/MuSE/muse sump -I $sample.MuSE.txt -E -O$sample.vcf -D $dbsnp

		fi

	fi
	i=$((i+1))

done

从数量上，这个muse软件作为TCGA的官方推荐的4个软件还是很靠谱的。

昨天分享的SNVSniffer软件得到的vcf文件，每个肿瘤WES都是几万个somatic突变信息，太可怕了！！！一般来说，肿瘤WES的每个病人也就是几百个somatic突变信息的数量级。

下面是TCGA计划采取的软件：

MuSE
varscan
MuTect
SomaticSniper

大家可以去下载到TCGA计划的这4个软件输出的maf文件格式的somatic突变信息文件哦。

附上TCGA数据库maf突变资料官方大全

因为TCGA计划跨时太长，这些年找somatic变异的软件也很多，所以TCGA团队下功夫在计划结束后（April 2018）完整的系统性的整理了最后的somatic突变数据。依托于文章：Scalable Open Science Approach for Mutation Calling of Tumor Exomes Using Multiple Genomic Pipelines March 201810.1016/j.cels.2018.03.002

全部样本的somatic变异文件合并起来是七百多M，MC3 Public MAF - mc3.v0.2.8.PUBLIC.maf.gz

下载链接是：https://api.gdc.cancer.gov/data/1c8cfe5f-e52d-41ba-94da-f15ea1337efc