4. VEP安装与配置

VEP的安装，说实话，比ANNOVAR要复杂一点。它依赖的组件多，需要你耐心处理好每一步。我自己第一次装的时候，也踩了几个坑。今天就把这些经验都掰开揉碎，讲给你听。

整个配置流程，可以归纳为下面这幅图。你看看就明白了。

4.1 下载VEP的三种方式

VEP的代码托管在GitHub上，Ensembl官方的组织下。你不用纠结选哪个，看场景决定就行。

方式	适用场景	优点	缺点
Git clone	需要最新开发版或频繁更新	随时获取最新功能	依赖git，版本不够稳定
Release tarball	绝大多数生产环境	稳定、可复现	不能热更新，得重新下载
Docker 镜像	不想折腾依赖、快速上手	开箱即用，隔离干净	缺少灵活性，不好改插件

我个人最常用的是 tarball 方式。为什么呢？因为一旦装好，在项目交付期间我不用担心它突然变版本。来，直接看命令行。

# 方法一：Git clone（适合想尝鲜的）
git clone https://github.com/Ensembl/ensembl-vep.git
cd ensembl-vep

# 方法二：Release tarball（推荐，稳定）
wget https://github.com/Ensembl/ensembl-vep/archive/release/110.tar.gz
tar -xzf 110.tar.gz
cd ensembl-vep-release-110

# 方法三：Docker 镜像（最快上手）
docker pull ensemblorg/ensembl-vep

4.2 安装核心依赖：Ensembl API

VEP用Perl写的。它依赖Ensembl的Perl API。这一步最容易被忽略，也最容易被卡住。

4.2.1 一键安装脚本

官方提供了一个install脚本。它会自动下载并配置所有Perl依赖模块。嗯，这个脚本我强烈推荐先试跑一次，它能帮你省掉很多手动装模块的苦力活。

# 进入VEP目录
cd ensembl-vep-release-110

# 运行安装脚本（会自动下载API和依赖）
perl INSTALL.pl --SPECIES homo_sapiens --ASSEMBLY GRCh38 --NO_UPDATE

# 如果你想同时安装多个物种，可以加上逗号分隔
# perl INSTALL.pl --SPECIES homo_sapiens,mus_musculus

运行过程中，你会看到屏幕上刷刷刷地打印日志。如果前面编译Bio::DB::HTS等模块失败，不要慌，它会提示你缺少系统库。

4.2.2 手动配置 PERL5LIB

安装完成后，如果你不想每次都靠在脚本目录下执行命令，就需要配置环境变量。把这一行写进你的 ~/.bashrc 或 ~/.zshrc 里。

# 假设VEP安装在 /opt/ensembl-vep
export PERL5LIB=/opt/ensembl-vep/modules:$PERL5LIB

# 如果你还装了BioPerl等额外模块，也加进来
# export PERL5LIB=/path/to/bioperl/lib:$PERL5LIB

配置完了记得 source ~/.bashrc 或者重新开一个终端。用下面这行命令验证一下。

# 检查核心模块是否可加载
perl -MBio::EnsEMBL::VEP::Parser -e 'print "OK\n"'

如果能输出 OK，说明API配置成功了。如果报错说找不到模块，你检查一下 PERL5LIB 路径对不对，或者有没有拼错目录名。

4.3 缓存设置

VEP的运行速度很大程度上取决于缓存。你不装缓存？也可以。但是它会在线去Fetch Ensembl数据库，慢到你怀疑人生。一般来说，生产环境100%要配置缓存。

4.3.1 下载缓存

缓存文件很大。人类的GRCh38缓存动辄几十个GB。你需要提前规划好磁盘空间。建议把缓存放在一个大分区上，专门建一个目录。

# 创建缓存目录
mkdir -p /data/vep_cache

# 用install脚本下载缓存的某个物种
perl INSTALL.pl --SPECIES homo_sapiens --ASSEMBLY GRCh38 --CACHEDIR /data/vep_cache

# 或者手动下载（适合服务器下载慢时用本地传输）
# 缓存tar包地址：
# ftp://ftp.ensembl.org/pub/release-110/variation/indexed_vep_cache/homo_sapiens_vep_110_GRCh38.tar.gz

下载完成后，缓存目录结构大概长这样。

ls -lh /data/vep_cache/homo_sapiens/

# 你会看到类似于：
# 110_GRCh38/
# homo_sapiens_vep_110_GRCh38.tar.gz
# homo_sapiens_vep_110_GRCh38.idx
# 还有一些其他索引文件

4.3.2 缓存目录与环境对齐

配置好了缓存，怎么让VEP知道去哪个目录找呢？两个方法：命令行参数或者环境变量。我个人推荐命令行参数，这样不同项目可以灵活的切换缓存版本。

# 方式一：命令行指定（推荐）
vep --cache --dir_cache /data/vep_cache --species homo_sapiens --assembly GRCh38

# 方式二：环境变量（适用于长期固定配置）
export VEP_CACHE=/data/vep_cache

# 然后运行VEP时就可以 --dir_cache $VEP_CACHE
vep --cache --dir_cache $VEP_CACHE

4.3.3 缓存的结构与索引

VEP查询缓存文件时，会生成一个索引文件（.idx）。它类似数据库的B-tree。这个索引是VEP加速的关键。如果你把缓存拷贝到另一台机器上，建议重新生成一下索引，避免文件路径变化导致索引失效。

# 重新生成索引
vep --cache --dir_cache /data/vep_cache --species homo_sapiens --assembly GRCh38 --write_index

# 之后你就可以正常跑了

4.4 完整配置核查清单

每次配置完新环境，我会按下面的清单逐个检查。你也不妨照着做一遍，防止漏掉什么。

1. 检查VEP可执行文件——which vep 是否能找到。
2. 检查PERL5LIB——运行 perl -MBio::EnsEMBL::VEP::Config -e 'print $INC{"Bio/EnsEMBL/VEP/Config.pm"}' 确认模块路径。
3. 检查缓存目录——ls /data/vep_cache/homo_sapiens/110_GRCh38/ 是否有.vep文件。
4. 检查缓存版本——用 vep --cache --dir_cache /data/vep_cache --species homo_sapiens --assembly GRCh38 --check_existing 实际运行一次，看是否报错。
5. 检查磁盘空间——缓存占用很大，df -h /data/vep_cache 看看剩余空间。