gff

gff格式是Sanger研究所定义,是一种简单的、方便的对于DNA、RNA以及蛋白质序列的特征进行描述的一种数据格式,比如序列的那里到那里是基因,已经成为序列注释的通用格式,比如基因组的基因预测,许多软件都支持输入或者输出gff格式。目前格式定义的最新版本是版本3。原始定义见SONG website
gff是存文本文件,由tab键隔开的9列组成,以下是各列的说明:
Column 1: “seqid”
序列的编号,编号的有效字符[a-zA-Z0-9.:^*$@!+_?-|]
Column 2: “source”
注释信息的来源,比如”Genescan”、”Genbank” 等,可以为空,为空用”.”点号代替
Column 3: “type”
注释信息的类型,比如Gene、cDNA、mRNA等,或者是SO对应的编号
Columns 4 & 5: “start” and “end”
开始与结束的位置,注意计数是从1开始的。结束位置不能大于序列的长度
Column 6: “score”
得分,数字,是注释信息可能性的说明,可以是序列相似性比对时的E-values值或者基因预测是的P-values值。”.”表示为空。
Column 7: “strand”
序列的方向, +表示正义链, -反义链 , ? 表示未知.
Column 8: “phase”
仅对注释类型为 “CDS”有效,表示起始编码的位置,有效值为0、1、2。
Column 9: “attributes”
以多个键值对组成的注释信息描述,键与值之间用”=“,不同的键值用”;“隔开,一个键可以有多个值,不同值用”,“分割。注意如果描述中包括tab键以及”,=;”,要用URL转义规则进行转义,如tab键用 %09代替。键是区分大小写的,以大写字母开头的键是预先定义好的,在后面可能被其他注释信息所调用。

预先定义的键包括:

  • ID 注释信息的编号,在一个GFF文件中必须唯一;
  • Name 注释信息的名称,可以重复;
  • Alias 别名
  • Parent Indicates 该注释所属的注释,值为注释信息的编号,比如外显子所属的转录组编号,转录组所属的基因的编号。值可以为多个。
  • Target Indicates: the target of a nucleotide-to-nucleotide or protein-to-nucleotide alignment.
  • Gap:The alignment of the feature to the target if the two are not collinear (e.g. contain gaps).
  • Derives_from:Used to disambiguate the relationship between one feature and another when the relationship is a temporal one rather than a purely structural “part of” one. This is needed for polycistronic genes.
  • Note 备注
  • Dbxref 数据库索引
  • Ontology_term: A cross reference to an ontology term.

例子:

蛋白质编码基因的gff格式注释

蛋白质编码基因的gff格式注释

 

##gff-version 3
##sequence-region ctg123 1 1497228
ctg123 . gene 1000 9000 . + . ID=gene00001;Name=EDEN
ctg123 . TF_binding_site 1000 1012 . + . Parent=gene00001
ctg123 . mRNA 1050 9000 . + . ID=mRNA00001;Parent=gene00001
ctg123 . mRNA 1050 9000 . + . ID=mRNA00002;Parent=gene00001 ctg123 . mRNA 1300 9000 . + . ID=mRNA00003;Parent=gene00001 ctg123 . exon 1300 1500 . + . Parent=mRNA00003
ctg123 . exon 1050 1500 . + . Parent=mRNA00001,mRNA00002
ctg123 . exon 3000 3902 . + . Parent=mRNA00001,mRNA00003
ctg123 . exon 5000 5500 . + . Parent=mRNA00001,mRNA00002,mRNA00003
ctg123 . exon 7000 9000 . + . Parent=mRNA00001,mRNA00002,mRNA00003
ctg123 . CDS 1201 1500 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 3000 3902 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 5000 5500 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 7000 7600 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 1201 1500 . + 0 ID=cds00002;Parent=mRNA00002
ctg123 . CDS 5000 5500 . + 0 ID=cds00002;Parent=mRNA00002
ctg123 . CDS 7000 7600 . + 0 ID=cds00002;Parent=mRNA00002
ctg123 . CDS 3301 3902 . + 0 ID=cds00003;Parent=mRNA00003
ctg123 . CDS 5000 5500 . + 2 ID=cds00003;Parent=mRNA00003
ctg123 . CDS 7000 7600 . + 2 ID=cds00003;Parent=mRNA00003
ctg123 . CDS 3391 3902 . + 0 ID=cds00004;Parent=mRNA00003
ctg123 . CDS 5000 5500 . + 2 ID=cds00004;Parent=mRNA00003
ctg123 . CDS 7000 7600 . + 2 ID=cds00004;Parent=mRNA00003
### GFF3 Toolkit 使用指南和下载 #### 工具概述 GFF3是一种广泛应用的标准格式,用于描述基因组特征及其位置。AGAT作为一款强大的GTF/GFF分析工具包,提供了全面的功能来处理这类文件[^1]。 #### 下载与安装 对于希望获取并使用类似于GFF3 toolkit功能的用户来说,推荐采用AGAT这一开源项目。该项目可通过多种方式进行安装: - **Docker**: 提供预构建镜像,方便快速部署。 - **Singularity**: 支持容器化运行环境,适合科研计算集群。 - **Bioconda**: 集成于生物信息学软件管理渠道,便于依赖项解决。 - **手动安装**: 对于有特殊需求的用户,官方也给出了详尽的手动配置说明。 具体操作可以参照项目的GitHub页面上的[安装指南](https://gitcode.com/gh_mirrors/ag/AGAT)[^2]。 #### 功能特性 AGAT不仅限于简单的读取写入GFF3文件,还具备如下优势: - 完整覆盖所有GTF和GFF版本的支持能力; - 用户可以根据实际应用场景灵活组合命令完成特定任务,例如修正不完整的注释记录、实现跨平台的数据交换以及提高后续数据分析效率等; - 丰富的文档资源帮助新手迅速上手;活跃的开发者社区随时准备解答疑问和技术难题。 #### 实际应用案例 假设现在有一个BED格式的目标区域列表想要转为GFF3格式以便进一步利用其他生信工具进行深入挖掘,则可以直接调用`agat_convert_bed_to_gff.pl`脚本完成转换工作。 ```perl #!/usr/bin/perl use strict; use warnings; # 转换示例代码片段 my $bed_file = "example.bed"; my $output_gff = "converted.gff"; system("agat_convert_bed_to_gff.pl", "-i", "$bed_file", "-o", "$output_gff"); ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值