gff3转mysql_科学网-把GFF3文件导入MySQL数据库-闫双勇的博文

什么是GFF3?这个一种序列注释文件的格式，基因组注释数据常常会用这种格式来记录序列注释信息，关于这种格式的更多信息，可以在这里学习：http://www.sequenceontology.org/gff3.shtml

这里简单说下，怎样把GFF3文件导入MySQL数据库，导入了以后使用比较方便。我用的是ubuntu 14.04系统。如果使用其它系统的，仅供参考。系统需要安装MySQL数据库以及bioperl,关于bioperl有兴趣的朋友可以到这里序列(www.bioperl.org),关于perl和MySQL这里也提供点我云盘里的参考资料：http://yunpan.cn/cK3zPydGY6c7Q (提取码：36ad)

1 在MySQL数据库中建立一个用于储存GFF3格式数据的数据库

mysql> create database MUS_7 -u root -p  XXXXXXXX;

其中create database是MySQL中的命令，MUS_7是新建的数据库名，-u选项，表示用户名，用户名参数为root，-p 参数后接MySQL数据库的密码。这样就能建立一个名为MUS_7的数据库

2 将GFF3文件导入MySQL数据库中

从网上下载GFF3格式的文件，如从rice_r7_all_tilling_path.gff3,然后用下列命令导入MySQL数据库

bp_seqfeature_load -f   -c -d MUS_r7 -u root -p xxxxxxxx all.gff3 all.con

bp_seqfeature_load是一个脚本文件，所以系统中需要有这个脚本文件。关于这个脚本的用法可以用命令bp_seqfeature_load查询。-f选项的含义：

Activate fast loading. (default 0) Only available for some adaptors.

-c选项的含义：

Create the database and reinitialize it (default false) Note, this

will erase previous database contents, if any

如果是新建的数据库需要用这个选项，如果是往已有的数据库中添加数据，用这个选项就坏菜了，把原来数据都清除了

-d MUS_r7,表示导入的数据库为MUS_r7,-u -p及后面的参数和上文含义相同。all.gff3为GFF3文件。all.com，为和gff3文件对应的参考序列。这个得配套，要不然肯定会报错。

我传的all.gff3文件大小为：78M，all.con文件为：365M。文件比较大，要把这些东西都传上去，得花不少时间，总时间为：63245.07秒,17.5小时。插入后的效果图如下。

我的MySQL数据库中有三套水稻基因组的注释数据。这三套数据，参考序列都是一样的，但注释数据则不一样，所以对同一个水稻基因组序列，利用这三套数据同时分析，可能得到的信息会更多。当然，这个数据也可以和其它数据，如全基因组的多态信息进行整合，这样使用更加方便

转载本文请联系原作者获取授权，同时请注明本文来自闫双勇科学网博客。

收藏

分享

分享到: