Identifying dominant gene candidates with GEMINI

Please refer to the following Github Gist to find each command for this session. Commands should be copy/pasted from this Gist

Aaron Quinlan University of Utah

!!!!!quinlanlab.org

1

https://gist.github.com/arq5x/9e1928638397ba45da2e#file-autosomal-dominant-sh

Autosomal dominant pedigrees

Jessica Chong2

Create a PED file (done for you)

Jessica Chong3

Create a GEMINI database from a VCF

Notes: 1. The VCF has been normalized and decomposed with VT 2. The VCF has been annotated with VEP.

$  curl  https://s3.amazonaws.com/gemini-­‐tutorials/trio.trim.vep.vcf.gz  >  trio.trim.vep.vcf.gz  

$  curl  https://s3.amazonaws.com/gemini-­‐tutorials/dominant.ped  >  dominant.ped  

$  gemini  load  -­‐-­‐cores  4  \  

                           -­‐v  trio.trim.vep.vcf.gz  \  

                           -­‐t  VEP  \  

                           -­‐-­‐skip-­‐gene-­‐tables  \  

                           -­‐p  dominant.ped  \  !                  trio.trim.vep.dominant.db

Note: copy and paste the full command from the Github Gist to avoid errors

http://gemini.readthedocs.org/en/latest/content/preprocessing.html#step-1-split-left-align-and-trim-variants

4

Running the autosomal_dominant tool

$ gemini autosomal_dominant --columns "chrom, start, end, ref, alt, gene, impact, cadd_raw" \ trio.trim.vep.dominant.db \ | head \ | column -t

Note: copy and paste the full command from the Github Gist

chrom    start            end                ref    alt    gene                impact                          cadd_raw    variant_id    family_id    family_members    family_genotypes    samples        family_count  chr15    59508889      59508890      T        C        AC092756.1    mature_miRNA              -­‐0.78          8480                family1        1805,1847,4805    T/C,T/T,T/C              1805,4805    1  chr15    84868493      84868494      G        C        AC103965.1    downstream                  -­‐0.37          9360                family1        1805,1847,4805    G/C,G/G,G/C              1805,4805    1  chr15    75966884      75966885      G        A        AC105020.1    upstream                      -­‐0.74          8906                family1        1805,1847,4805    G/A,G/G,G/A              1805,4805    1  chr15    84945184      84945185      C        T        AC136704.1    upstream                      0.01            9370                family1        1805,1847,4805    C/T,C/C,C/T              1805,4805    1  chr15    84945511      84945512      C        T        AC136704.1    upstream                      0.74            9371                family1        1805,1847,4805    C/T,C/C,C/T              1805,4805    1  chr15    84949950      84949951      C        G        AC136704.1    mature_miRNA              -­‐0.43          9378                family1        1805,1847,4805    C/G,C/C,C/G              1805,4805    1  chr15    89398552      89398553      C        A        ACAN                non_syn_coding          2.57            9519                family1        1805,1847,4805    C/A,C/C,C/A              1805,4805    1  chr15    100649247    100649248    G        A        ADAMTS17        synonymous_coding    1.51            9856                family1        1805,1847,4805    G/A,G/G,G/A              1805,4805    1  chr15    100692844    100692845    A        G        ADAMTS17        non_syn_coding          -­‐1.16          9858                family1        1805,1847,4805    A/G,A/A,A/G              1805,4805    1

5

Time to start filtering

$ gemini autosomal_dominant \ --columns "chrom, start, end, ref, alt, gene, impact, cadd_raw" \ trio.trim.vep.dominant.db \ | wc -l

Note: copy and paste the full command from the Github Gist

1515  candidates

6

Again, use the -­‐-­‐filter option

$ gemini autosomal_dominant \ --columns "chrom, start, end, ref, alt, gene, impact, cadd_raw" \ --filter "filter is NULL" \ trio.trim.vep.dominant.db \ | wc -l

Note: copy and paste the full command from the Github Gist

1288  candidates

Exclude variants that failed GATK filters

7

Further restrict variants with functional consequence

$ gemini autosomal_dominant \ --columns "chrom, start, end, ref, alt, gene, impact, cadd_raw" \ --filter "filter is NULL and impact_severity != 'LOW'" \ trio.trim.vep.dominant.db \ | wc -l

Note: copy and paste the full command from the Github Gist

347  candidates

8

$ gemini autosomal_dominant \ --columns "chrom, start, end, ref, alt, gene, impact, cadd_raw" \ --filter "filter is NULL and impact_severity != 'LOW' and (aaf_esp_ea <= 0.01 or aaf_esp_ea is NULL) and (aaf_exac_all <= 0.01 or aaf_exac_all is NULL)" trio.trim.vep.dominant.db \ wc -l

Use ESP and ExAC to focus on rare variants

Note: copy and paste the full command from the Github Gist

40  candidates

9

$ gemini autosomal_dominant \ --columns "chrom, start, end, ref, alt, gene, impact, cadd_raw" \ --filter "filter is NULL and impact_severity == 'HIGH' and (aaf_esp_ea <= 0.01 or aaf_esp_ea is NULL) and (aaf_exac_all <= 0.01 or aaf_exac_all is NULL)" trio.trim.vep.dominant.db \ wc -l

Let’s be more strict with the functional consequence

Note: copy and paste the full command from the Github Gist

chrom    start          end              ref    alt    gene          impact                      cadd_raw    variant_id    family_id    family_members    family_genotypes    samples        family_count  chr17    28778816    28778817    T        C        CPD            stop_loss                1.09            11860              family1        1805,1847,4805    T/C,T/T,T/C              1805,4805    1  chr2      21236250    21236251    G        A        APOB          stop_gain                7.82            492                  family1        1805,1847,4805    G/A,G/G,G/A              1805,4805    1  chr22    21363743    21363744    T        C        TUBA3FP    splice_acceptor    2.46            15272              family1        1805,1847,4805    T/C,T/T,T/C              1805,4805    1

10

Are any of these variants known to underlie a clinical phenotype?

chrom    start          end              ref    alt    gene          impact                      cadd_raw    variant_id    family_id    family_members    family_genotypes    samples        family_count  chr17    28778816    28778817    T        C        CPD            stop_loss                1.09            11860              family1        1805,1847,4805    T/C,T/T,T/C              1805,4805    1  chr2      21236250    21236251    G        A        APOB          stop_gain                7.82            492                  family1        1805,1847,4805    G/A,G/G,G/A              1805,4805    1  chr22    21363743    21363744    T        C        TUBA3FP    splice_acceptor    2.46            15272              family1        1805,1847,4805    T/C,T/T,T/C              1805,4805    1

How could you extend the query from the previous slide to answer this? Hint: use the gemini documentation

11

Custom analyses: Use the query module to

identify autosomal dominant variants

12

Using the -­‐-­‐gt-­‐filter

We need to use the query module to enforce an autosomal dominant inheritance pattern.

13

Using the -­‐-­‐gt-­‐filter

Note: copy and paste the full command from the Github Gist

$ gemini query \ -q "SELECT chrom, start, end, ref, alt, gene, impact, (gts).(*) \ FROM variants" \ --header \ --gt-filter "gt_types.4805 == HET \ and gt_types.1805 == HET \ and gt_types.1847 == HOM_REF" \ trio.trim.vep.dominant.db \ | head \ | column -t

chrom    start        end            ref    alt    gene                impact              gts.1805    gts.1847    gts.4805  chr2      229933      229934      A        G        SH3YL1            intron              A/G              A/A              A/G  chr2      277249      277250      G        A        ACP1                downstream      G/A              G/G              G/A  chr2      675830      675831      G        T        TMEM18            intron              G/T              G/G              G/T  chr2      905441      905442      A        T        AC113607.2    upstream          A/T              A/A              A/T  chr2      1636903    1636904    C        T        PXDN                UTR_3_prime    C/T              C/C              C/T  chr2      1642789    1642790    T        C        PXDN                intron              T/C              T/T              T/C  chr2      3653841    3653842    C        A        COLEC11          intron              C/A              C/C              C/A  chr2      3660868    3660869    G        A        COLEC11          intron              G/A              G/G              G/A  chr2      3661001    3661002    G        A        COLEC11          intron              G/A              G/G              G/A

14

What about large pedigrees or multiple families? --gt-­‐filter  “wildcards”

15

Using the --gt-­‐filter  “wildcards”

Note: copy and paste the full command from the Github Gist

$ gemini query \ -q "SELECT chrom, start, end, ref, alt, gene, impact, (gts).(*) \ FROM variants" \ --header \ --gt-filter "(gt_types).(phenotype==2).(==HET).(all) \ and (gt_types).(phenotype==1).(==HOM_REF).(all)” \ trio.trim.vep.dominant.db \ | head \ | column -t

Affected individuals must be HETUnffected individuals must be HOM_REF

chrom    start        end            ref    alt    gene                impact              gts.1805    gts.1847    gts.4805  chr2      229933      229934      A        G        SH3YL1            intron              A/G              A/A              A/G  chr2      277249      277250      G        A        ACP1                downstream      G/A              G/G              G/A  chr2      675830      675831      G        T        TMEM18            intron              G/T              G/G              G/T  chr2      905441      905442      A        T        AC113607.2    upstream          A/T              A/A              A/T  chr2      1636903    1636904    C        T        PXDN                UTR_3_prime    C/T              C/C              C/T  chr2      1642789    1642790    T        C        PXDN                intron              T/C              T/T              T/C  chr2      3653841    3653842    C        A        COLEC11          intron              C/A              C/C              C/A  chr2      3660868    3660869    G        A        COLEC11          intron              G/A              G/G              G/A  chr2      3661001    3661002    G        A        COLEC11          intron              G/A              G/G              G/A16

Can apply multiple --gt-­‐filter  “wildcards”

Note: copy and paste the full command from the Github Gist

$ gemini query \ -q "SELECT chrom, start, end, ref, alt, gene, impact, \ (gts).(*), (gt_depths).(*) \ FROM variants" \ --header \ --gt-filter "(gt_types).(phenotype==2).(==HET).(all) \ and (gt_types).(phenotype==1).(==HOM_REF).(all) \ and (gt_depths).(*).(>=20).(all)" \ trio.trim.vep.dominant.db \ | head \ | column -t

Affected individuals must be HETUnaffected individuals must be HOM_REF

chrom    start        end            ref    alt    gene                impact              gts.1805    gts.1847    gts.4805    gt_depths.1805    gt_depths.1847    gt_depths.4805  chr2      229933      229934      A        G        SH3YL1            intron              A/G              A/A              A/G              161                          225                          231  chr2      277249      277250      G        A        ACP1                downstream      G/A              G/G              G/A              183                          237                          234  chr2      905441      905442      A        T        AC113607.2    upstream          A/T              A/A              A/T              90                            142                          246  chr2      1636903    1636904    C        T        PXDN                UTR_3_prime    C/T              C/C              C/T              54                            87                            174  chr2      1642789    1642790    T        C        PXDN                intron              T/C              T/T              T/C              74                            120                          179  chr2      3653841    3653842    C        A        COLEC11          intron              C/A              C/C              C/A              123                          223                          199  chr2      3660868    3660869    G        A        COLEC11          intron              G/A              G/G              G/A              76                            96                            250  chr2      3661001    3661002    G        A        COLEC11          intron              G/A              G/G              G/A              70                            86                            182  chr2      6879884    6879885    T        A        LINC00487      intron              T/A              T/T              T/A              83                            110                          106

Everyone must have sequence depth >=20

17

We have the inheritance model, now apply the annotation filters

Note: copy and paste the full command from the Github Gist

$ gemini query \ -q "SELECT chrom, start, end, ref, alt, gene, impact, \ (gts).(*), (gt_depths).(*) \ FROM variants \ WHERE filter is NULL and impact_severity == 'HIGH' and (aaf_esp_ea <= 0.01 or aaf_esp_ea is NULL) and (aaf_exac_all <= 0.01 or aaf_exac_all is NULL)" \ --header \ --gt-filter "(gt_types).(phenotype==2).(==HET).(all) \ and (gt_types).(phenotype==1).(==HOM_REF).(all) \ and (gt_depths).(*).(>=20).(all)" \ trio.trim.vep.dominant.db \ | column -t

chrom    start          end              ref    alt    gene          impact                      gts.1805    gts.1847    gts.4805    gt_depths.1805    gt_depths.1847    gt_depths.4805  chr2      21236250    21236251    G        A        APOB          stop_gain                G/A              G/G              G/A              46                            72                            112  chr17    28778816    28778817    T        C        CPD            stop_loss                T/C              T/T              T/C              144                          171                          207  chr22    21363743    21363744    T        C        TUBA3FP    splice_acceptor    T/C              T/T              T/C              36                            56                            241

Note that (pleasingly) these are the same three candidates as detected with the autosomal_dominant tool.

18

Load the following files into IGV (Load from URL) and inspect your candidates

BAM alignment files: !https://s3.amazonaws.com/gemini-­‐tutorials/1805.workshop.bam  https://s3.amazonaws.com/gemini-­‐tutorials/1847.workshop.bam  https://s3.amazonaws.com/gemini-­‐tutorials/4805.workshop.bam

VCF variant file: !https://s3.amazonaws.com/gemini-­‐tutorials/trio.trim.vep.vcf.gz  

!

19