gff文件_GFF文件格式说明

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是纯文本文件,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

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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