本文的安裝方法是有Matlab授權，運行MutSig源代碼的方法。
如果沒有Matlab授權，可以
http://www.mathworks.com/products/compiler/mcr/安裝MatlabMCR
還有一種在線進行MutSigCV分析的網站：
http://genepattern.broadinstitute.org/gp/pages/index.jsf?lsid=MutSigCV 通過簡單注冊，就可以在線使用，運算速度還沒有測試。
安裝環境
Windows10
軟件的下載及安裝
1.安裝Matlab環境
MutSig是基于Matlab的一款程序，首先要安裝Matlab。
登陸智慧華中大的資源頁面可以下載到有授權的Matlab，按操作指南去MathWorks的主頁進行用戶注冊>下載Matlab3合一版本>安裝。
2.安裝MutSigCV及下載必要文件
進入https://software.broadinstitute.org/cancer/cga/mutsig_download下載最新版本“MutSigCV_1.41.zip”安裝包>解壓
進入https://software.broadinstitute.org/cancer/cga/mutsig_run下載最新版本的5個依賴文件：
genome reference sequence: ? chr_files_hg18.zip? ? or ? chr_files_hg19.zip （有可能需要翻墻下載）
mutation_type_dictionary_file.txt
exome_full192.coverage.txt.zip
gene.covariates.txt （以上三個文件目前官網下載路徑有錯，可以從ftp://ftp.broadinstitute.org/pub/genepattern/example_files/MutSigCV_1.3/下載）
其中
mutation_type_dictionary_file.txt 當MAF文件沒有effect列時是必須的，另外4個文件是當我們只有MAF文件的時候需要的，建議也同時下載。
建議大家下載Example數據LUSC.MutSigCV.input.data.v1.0.zip，了解數據格式，并試運行。
Input文件
1.突變文件（必須）：mutations.maf（Tab分隔，有表頭）
"gene" 列：突變所在的基因的名字? (也可以稱為 "Hugo_Symbol")
"patient" 列： 突變所在的病人的名字 (也可以被稱為 "Tumor_Sample_Barcode")
"effect" 列：突變在這個基因上所產生的作用類型：分為 "nonsilent" (蛋白質序列改變或可變剪切), "silent" (同義突變)，或"noncoding" (內含子區或UTR區)"categ" ’列：突變分類. ?MutSigCV依據突變所在的DNA序列將突變分成了7類，對于每一種分類，有不同的風險值. 如果用戶不知道每一行的categ類型，從版本1.3開始程序可以自動計算，只需要用戶提供Variant_Classification, Reference_Allele, and Tumor_Seq_Allele1+2這4列的信息即可
1. CpG transitions
2. CpG transversions
3. C:G transitions
4. C:G transversions
5. A:T transitions
6. A:T transversions
7. null+indel mutations
轉換（transitions）和顛換（transversions）
轉換：嘌呤和嘌呤之間的替換，或嘧啶和嘧啶之間的替換。
顛換：嘌呤和嘧啶之間的替換
http://dridk.me/transition_transversion.html
2.覆蓋度文件（非必要）：coverage.txt
"gene"列: 基因名, 與突變文件的基因名列對應
"effect"列: 分類為"silent", "nonsilent", or "noncoding"
"categ"列: 與突變文件一致
: number of sequenced bases for patient#1 in this gene and effect/categ bin
: number of sequenced bases for patient#2 in this gene and effect/categ bin
(etc.)
但是這個文件通常不容易得到，因此MutSig提供了exome_full192.coverage.txt文件作為替換
3.協變量文件（非必要）：gene.covariates.txt
"gene"列: 與上述兩個文件一致.
<covariate_name_1>:? the value of the first covariate for each gene
<covariate_name_2>:? the value of the second covariate for each gene
<covariate_name_3>:? the value of the third covariate for each gene
etc.
協變量被用來計算每對基因之間的距離，從而確定每個基因最近的鄰居基因，以及局部背景突變率。
Example中的協變量文件已經被證實可以用于多種腫瘤的分析。每個基因包含一下3個信息: ?(1) global expression, derived from RNA-Seq data and summed across the 91 cell lines in the CCLE (Barretina et al.). ?(2) DNA replication time (from Chen et al.). ?(3) the HiC statistic, a measure of open vs. closed chromatin state (from Lieberman-Aiden et al.).
軟件運行
1.如果有完整的Input文件：
將上述3個文件及mutation_type_dictionary_file.txt放在MutSigCV.m所在的文件夾中
雙擊
MutSigCV.m啟動Matlab
>>MutSigCV('mutations.maf','coverage.txt','covariates.txt','output.txt')
2.如果只有MAF文件：
將MAF文件，及genome reference sequence（chr_files_hg18.zip? ? or ? chr_files_hg19.zip），mutation_type_dictionary_file.txt ，exome_full192.coverage.txt.zip和gene.covariates.txt文件放在MutSigCV.m所在的文件夾中
雙擊MutSigCV.m啟動Matlab
>>MutSigCV('my_mutations.maf','exome_full192.coverage.txt','gene.covariates.txt','my_results','mutation_type_dictionary_file.txt','chr_files_hg19')
結果解讀
output.txt.sig_genes.txt文件中包含了Driver Gene，從P值由小到大排列。
TCGA數據實戰
從TCGA上下載MAF的open的文件，文件內包括四種MAF文件：mutect，varscan，somaticsniper，muse，不同的算法和統計模型用于檢測體細胞突變，目前最受歡迎的有Varscan、SomaticSniper、 Strelka 和MuTect2 。
1. 下載chr_files_hg38
如果有需要這部分hg38的文件，可以找我要完整版，不需要再下載和修改了。
TCGA上下載的數據是GRCh38（hg38）版本的，而MutSig的官網上沒有提供hg38的chr_file，所以我們從https://www.ncbi.nlm.nih.gov/grc/human/data?asm=GRCh38上下載hg38的每個染色體的序列，例如點擊
NC_000001.11，進入NCBI頁面后，點擊Send To，選擇：Compelete Record-File-FASTA保存，保存后的文件命名為“chr1.txt"，本地打開該文件，去除>開頭第一行信息，并去除文件中所有換行符（替換\n為空）。將22+XY染色體的文件都保存于子文件夾”chr_files_hg38“中。
2. 將mutect文件放入MutSigCV.m所在文件夾下
3. 確保mutation_type_dictionary_file.txt ，exome_full192.coverage.txt.zip ，gene.covariates.txt也都在
4. 修改MutSigCV.m源文件
原版本有bug，要做如下修改 #在Ubuntu系統中似乎不需要修改：
360行附近：
f2 = regexprep(uchr,'^(.*)$',[chr_files_directory '/chr$1.txt']);
f3 = regexprep(uchr,'^(.*)$','chr$1.txt');? #添加f3變量
chr_file_available = ismember(f3,f1); #將f2改為f3
5. 運行程序
>>MutSigCV('TCGA_ESCA_mutect.maf','exome_full192.coverage.txt','gene.covariates.txt','my_results','mutation_type_dictionary_file.txt','chr_files_hg38')
