写在前面
目前基因组测序和组装成本几乎已经到任何一个课题组都可以单独负担的价码,大量物种的基因组序列被测定和释放。与此同时,对应的基因结构注释信息文件,如GTF或GFF3文件等,也可公开下载。
对于绝大多数要使用这些公共资源的研究人员而言,有了这两个文件就足够了。但想象总是美好,现实却常常骨感。物种基因组很多,基因组序列质量不高的同时,基因结构注释信息文件更加不规范,往往直接影响下游数据分析。我最近在看一些数据,也就遇到类似的问题。如果规范化一个GFF3文件,补充对应的信息,使得该文件能够尽可能适应各类下游数据分析,更或者方便进一步分析使用。
做了大概检索,发现几乎没有同类功能的工具,除了一个perl脚本集合(github搜索 aget )或许可以做类似工作外,确实没发现相关功能的软件实现,尤其是…又还有界面。(Emmm,我还是会乐于承认功能已有实现的软件存在,当然可能是就算啥也没有,我还有 JIGplot 绘图引擎。不会像某两三个团队,似乎有意回避 TBtools,无视他人科研贡献。 😄 - PS: 好彩 TBtools 文稿,尤其是预印本、github和一些早期视频讲演早早放到网上去了,不然就要被“李鬼打李逵”了)
回到主题,花了点时间,写了 GXF Fix,然后放到 TBtools 主程序,主要用于修复基因结构注释文件中的缺失部分(基于文件中已有信息)。
常见基因结构注释信息文件问题
基因结构注释信息文件,
- GENE