文件格式之gff3

GFF3是GFF注释文件的新标准。文件中每一行为基因组的一个属性，分为9列，以TAB分开。

依次是：

1. reference sequence：参照序列

指出注释的对象。如一个染色体，克隆或片段。可以有多个参照序列。

该id的取名不能以’>’开头，不能包含空格。

 

2. source ：来源

注释的来源。如果未知，则用点（.）代替。

 

3. type     ：类型

属性的类型。建议使用符合SO惯例的名称（sequence ontology，参看[[Sequence Ontology Project]]) ,如gene，repeat_region，exon，CDS等。

 

4. start position       ：起点

属性对应片段的起点。从1开始计数。

 

5. end position          ：终点

属性对应片段的终点。一般比起点的数值要大。

 

6. score   ：得分

对于一些可以量化的属性，可以在此设置一个数值以表示程度的不同。如果为空，用点（.）代替。

 

7. strand ：链

“＋”表示正链，“－”表示负链，“.”表示不需要指定正负链。

 

8. phase  ：步进

对于编码蛋白质的CDS来说，本列指定下一个密码子开始的位置。可以是0，1或2，表示到达下一个密码子需要跳过的碱基个数。

对于其它属性，则用点（.）代替。

 

9. attributes    ：属性

一个包含众多属性的列表。格式为“标签＝值”（tag=value）。不同属性之间以分号相隔。可以存在空格，不过若有“,=;”则用URL转义（URL escaping rule），同时TAB也需要转换为“”表示。所有以大写字幕开头的标签被保留，用于大众认可的用途，而以小写字母开头的标签则根据自己安排随意应用。

下列的标签已定义：

ID

指定一个唯一的标识。对属性分类是非常好用（例如查找一个转录单位中所以的外显子）。

Name

指定属性的名称。展示给用户的就是该属性。。Name的值在可视化的时候得到展示。因此，Name可以根据自己展示的需要随意取值。

Alias

名称的代称或其它。当存在其它名称时使用该属性。

Parent

指明feature所从属的上一级ID。用于将exons聚集成transcript，将transripts聚集成gene。

Target

指明比对的目标区域，一般用于表明序列的比对结果。格式为”target_id start end [strand]“,其中strand是可选的(“+”或”-”), target_id中如果包含空格，则要转换成’ ′。

Gap

比对结果的gap信息，和Target一起，用于表明序列的比对结果。

Note

描述性的一些说明。

Is_circular

表明featrue是否为环化的。用于环状基因组序列。

 

同一个tag如果有多个值，则多个值之间使用逗号隔开，比如：

Parent=AF2312,AB2812,abc-3

Alias=M19211,gna-12,GAMMA-GLOBULIN

能够使用多个值的tag有：Parent, Alias, Note, Dbxref and Ontology_term。

 

 GFF3文件检测

检验GFF3格式文件http://modencode.oicr.on.ca/cgi-bin/validate_gff3_online

 

参考资料：

http://bio-spring.info/wp/?p=27

http://www.sequenceontology.org/gff3.shtml

http://www.chenlianfu.com/?p=1323

博耘生物  http://boyun.sh.cn/bio/?p=1602