SEQ 2. 生信工具之GFF和GTF互相转换 (gffread)

于 2024-05-14 17:07:03 发布
阅读量1.2k 收藏 30
点赞数 28
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41368414/article/details/138885950
版权

606078f7bf2e235b1c86a55bff5d0264.png

简         介

GTF(基因转移格式)和GFF(通用特征格式)是生物信息学程序常用的文件格式，用于表示和交换有关各种基因组特征的信息，如基因和转录本的位置和结构。GffRead是开源程序，提供了广泛和有效的解决方案来操作GTF或GFF格式的文件。虽然GffRead可以转换、排序、过滤、转换或聚类基因组功能。

许多生物医学研究应用采用管道系统地分析基因组中的基因内容。由于转录组学数据的爆炸式增长，这些管道通常涉及处理大量数据，因此需要有效的生物信息学工具来处理多个注释和序列文件，以加快基因组分析。这些工具通常交换和使用有关基因、转录本或其他基因组特征的信息，以制表符分隔的文本文件格式，通常称为GFF(通用特征格式)。这种格式描述了基因、转录本和其他功能的精确坐标和属性，如开始和停止密码子、编码序列等。GFF有许多版本，包括其最新版本GFF3和较旧的GTF(基因转移格式)，有时也被称为GTF2。虽然较旧的GTF格式仅限于表示基因和转录本位置及其结构，但较新的GFF3格式可以以分层方式表示更多的基因组特征和注释。一些转录数据或基因组注释只能以其中一种格式从源中获得，但应用程序可能需要另一种格式作为输入。

fdff7afc321280d68b2a1bc04ec23f73.png

GffRead实用程序可以自动识别和无缝地使用这些文件格式，从丰富的GFF3注释文件中提取和选择功能，执行之间的转换，甚至可以将文件从BED或FASTA等其他格式转换为其他格式。来自不同来源的注释数据可能对染色体和组群使用不同的命名约定。GffRead可以帮助映射这样的基因组序列名称，从而将注释从一种参考命名约定转换为另一种。基因预测程序和转录本(RNA-Seq)组装程序通常以GTF或GFF3格式输出结果，在这种情况下，通常需要评估预测/组装转录本的准确性。

软件包安装

cd /some/build/dir
  git clone https://github.com/gpertea/gffread
  cd gffread
  make release

数据读取

GFF全称为general feature format，主要是用来注释基因组。

1       havana  mRNA    169853074       169888888       .       -       .       ID=ENST00000367770;Parent=ENSG00000000457
1       havana  three_prime_UTR 169853074       169853712       .       -       .       ID=utr_3_9648;Parent=ENST00000367770
1       havana  CDS     169853713       169853772       .       -       0       ID=CDS:ENSP00000356744;Parent=ENST00000367770
1       havana  CDS     169854270       169854964       .       -       2       ID=CDS:ENSP00000356744rep_1;Parent=ENST00000367770
1       havana  CDS     169855796       169855957       .       -       2       ID=CDS:ENSP00000356744rep_2;Parent=ENST00000367770
1       havana  CDS     169859041       169859212       .       -       0       ID=CDS:ENSP00000356744rep_3;Parent=ENST00000367770
1       havana  CDS     169862613       169862797       .       -       2       ID=CDS:ENSP00000356744rep_4;Parent=ENST00000367770
1       havana  CDS     169864369       169864508       .       -       1       ID=CDS:ENSP00000356744rep_5;Parent=ENST00000367770
1       havana  CDS     169866896       169866973       .       -       1       ID=CDS:ENSP00000356744rep_6;Parent=ENST00000367770
1       havana  CDS     169868928       169869039       .       -       2       ID=CDS:ENSP00000356744rep_7;Parent=ENST00000367770
1       havana  CDS     169870255       169870357       .       -       0       ID=CDS:ENSP00000356744rep_8;Parent=ENST00000367770
1       havana  CDS     169873696       169873752       .       -       0       ID=CDS:ENSP00000356744rep_9;Parent=ENST00000367770
1       havana  CDS     169875978       169876091       .       -       0       ID=CDS:ENSP00000356744rep_10;Parent=ENST00000367770
1       havana  CDS     169878634       169878819       .       -       0       ID=CDS:ENSP00000356744rep_11;Parent=ENST00000367770
1       havana  CDS     169888676       169888840       .       -       0       ID=CDS:ENSP00000356744rep_12;Parent=ENST00000367770
1       havana  exon    169853074       169853772       .       -       .       ID=exon_87833;Parent=ENST00000367770
1       havana  exon    169854270       169854964       .       -       .       ID=exon_87834;Parent=ENST00000367770
1       havana  exon    169855796       169855957       .       -       .       ID=exon_87835;Parent=ENST00000367770
1       havana  exon    169859041       169859212       .       -       .       ID=exon_87836;Parent=ENST00000367770
1       havana  exon    169862613       169862797       .       -       .       ID=exon_87837;Parent=ENST00000367770
1       havana  exon    169864369       169864508       .       -       .       ID=exon_87838;Parent=ENST00000367770
1       havana  exon    169866896       169866973       .       -       .       ID=exon_87839;Parent=ENST00000367770
1       havana  exon    169868928       169869039       .       -       .       ID=exon_87840;Parent=ENST00000367770
1       havana  exon    169870255       169870357       .       -       .       ID=exon_87841;Parent=ENST00000367770
1       havana  exon    169873696       169873752       .       -       .       ID=exon_87842;Parent=ENST00000367770
1       havana  exon    169875978       169876091       .       -       .       ID=exon_87843;Parent=ENST00000367770
1       havana  exon    169878634       169878819       .       -       .       ID=exon_87844;Parent=ENST00000367770
1       havana  exon    169888676       169888888       .       -       .       ID=exon_87845;Parent=ENST00000367770

GTF全称为gene transfer format，主要是用来对基因进行注释。

1       havana  transcript      169853074       169888888       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457"
1       havana  exon    169853074       169853772       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169854270       169854964       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169855796       169855957       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169859041       169859212       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169862613       169862797       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169864369       169864508       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169866896       169866973       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169868928       169869039       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169870255       169870357       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169873696       169873752       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169875978       169876091       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169878634       169878819       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  exon    169888676       169888888       .       -       .       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169853713       169853772       .       -       0       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169854270       169854964       .       -       2       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169855796       169855957       .       -       2       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169859041       169859212       .       -       0       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169862613       169862797       .       -       2       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169864369       169864508       .       -       1       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169866896       169866973       .       -       1       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169868928       169869039       .       -       2       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169870255       169870357       .       -       0       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169873696       169873752       .       -       0       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169875978       169876091       .       -       0       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169878634       169878819       .       -       0       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";
1       havana  CDS     169888676       169888840       .       -       0       transcript_id "ENST00000367770"; gene_id "ENSG00000000457";

6b723ba093fcbd74b999da0878ff6aee.png

如果根据GFF或者GTF提取CDS，蛋白质和外显子序列，需要准备基因组序列文件

实例操作

安装之后可以测试一下：

gffread -h 

gffread v0.12.7. Usage:
gffread [-g <genomic_seqs_fasta> | <dir>] [-s <seq_info.fsize>] 
 [-o <outfile>] [-t <trackname>] [-r [<strand>]<chr>:<start>-<end> [-R]]
 [--jmatch <chr>:<start>-<end>] [--no-pseudo] 
 [-CTVNJMKQAFPGUBHZWTOLE] [-w <exons.fa>] [-x <cds.fa>] [-y <tr_cds.fa>]
 [-j ][--ids <IDs.lst> | --nids <IDs.lst>] [--attrs <attr-list>] [-i <maxintron>]
 [--stream] [--bed | --gtf | --tlf] [--table <attrlist>] [--sort-by <ref.lst>]
 [<input_gff>]

参数说明：

GffRead输入选项，输入GFF3数据(转录)的过滤。

9592dbf1b49ac4fd80bf5b4175cac102.png

GffRead输出选项，默认输出仅由转录本组成，显示为GFF记录，仅保留基本属性(ID, Parent, geneID和gene_name)。

d48fd9bde7008fc6568327f3109c57c8.png

格式转换

快速读入过滤输出

这将显示输入文件 (注释)中找到的最简单的GFF3重新格式化的成绩单记录。GFF3或GTF2格式均可。-E选项 指示GffRead在解析输入文件时“暴露”(显示警告)遇到的任何潜在问题。

-E：显露（警告）重复的转录本ID和给定的GFF/GTF记录中的其他潜在问题。

gffread -E annotation.gff -o ann_simple.gff
GFF转GTF3

为了获得相同转录本的GTF2版本，需要添加-T选项:

-T：主输出将是GTF，而不是默认的GFF3。

gffread annotation.gff -T -o annotation.gtf
转录本的DNA序列生成FASTA文件

GffRead可以使用GFF文件中所有转录本的DNA序列生成FASTA文件。对于此 操作，还必须提供包含基因组序列的fasta文件。

-w    为每个转录本写一个包含剪接的外显子的fasta文件。

-g   全路径到具有基因组序列的多FASTA文件用于所有输入映射，或具有单FASTA文件的目录（每个基因组序列一个文件，文件名与序列名称匹配）。

gffread -w transcripts.fa -g genome.fa annotation.gff
GFF3转GTF
gffread annotation.gff3 -T -o annotation.gtf
GTF转GFF
gffread annotation.gtf -o annotation.gff3
合并转录本

-M/--merge :  合并完全相同的或者存在包含关系的转录本

gffread -M annotation.gff3  -o annotation.gff3
获取CDS序列

-x：输出CDS序列

gffread annotation.gff3 -g genome.fa -x cds.fa
获取蛋白序列

-y：输出蛋白质序列

gffread annotation.gff3 -g genome.fa -y protein.fa
获取转录本序列

-w：输出每个转录本的外显子序列

gffread annotation.gff3 -g genome.fa -w transcripts.fa
Reference

Pertea G and Pertea M. GFF Utilities: GffRead and GffCompare [version 1; peer review: 3 approved]. F1000Research 2020, 9:304

桓峰基因，铸造成功的您！

未来桓峰基因公众号将不间断的推出单细胞系列生信分析教程，

敬请期待！！

桓峰基因官网正式上线，请大家多多关注，还有很多不足之处，大家多多指正！http://www.kyohogene.com/

桓峰基因和投必得合作，文章润色优惠85折，需要文章润色的老师可以直接到网站输入领取桓峰基因专属优惠券码：KYOHOGENE，然后上传，付款时选择桓峰基因优惠券即可享受85折优惠哦！https://www.topeditsci.com/

dc3c9ae500f585641705b081370e3d10.png

桓峰基因
关注
  • 28
    点赞
  • 踩
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
gfftobed:转换GFF3GTF到BED
04-23
gfftobed 转换GFF3 / GTF到BED 该程序采用GFF3或GTF（基于1）格式的输入基因组注释，并将特定特征转换为6列BED格式（基于0），同时保留注释文件属性列的任何所需字段。 当需要围绕特定特征和唯一ID的基因组间隔时，此功能很有用。 它还可以在每个功能周围添加一个窗口。 处理文本文件（例如GFF和GTF）并不总是很困难，但是在某些情况下，好的awk或grep不能解决问题。 考虑一种情况，您在一个床文件中包含GTF的所有“基因”功能，同时保留了“基因名称”。 当然， grep "gene" gencode.vM25.annotation.gtf | awk 'FS="\t"{print $1"\t"$4-1"\t"$5"\t"$9"\t"$8"\t"$7}' grep "gene" gencode.vM25.annotation.gtf | awk 'FS="\t"
GTF/GFF文件转换
hs6605015的博客
09-29 3884
GFF 文件 GFF全称为general feature format，这种格式主要是用来注释基因组。 从Ensembl导出的GFF文件示例： X Ensembl Repeat 2419108 2419128 42 . . hid=trf; hstart=1; hend=21 X Ensembl Repeat 2419108 2419410 2502 - . hid=AluSx; hstart...
gffread安装与使用-gffread-0.12.7（bioinfomatics tools-014）
最新发布
weixin_44874487的博客
03-21 2092
GFF3（General Feature Format version 3）和GTF（Gene Transfer Format）版本2，通常被称为GTF2，是基因组学中用于描述基因和其它特征的文件格式。这两种格式都用于存储有关基因组注释的信息，但它们在结构和用途上有所不同。
gffread 常用使用自己速记
qq_39292916的博客
03-02 1040
gffread gff3文件 -g 基因组文件 -x cds文件 -y pep 文件 gffread gff3文件 -T -o gtf文件 gffread gtf文件 -o gff文件 大家常见的-o- 是 指定输出打印到屏幕，所以也可以写成 gffread gtf文件 -o- > gff文件
(转) gffcompare和gffread | gtf | gff3 格式文件的分析 | gtf处理 | gtfparse
weixin_34268610的博客
03-19 1943
工具推荐：https://github.com/openvax/gtfparse 真不敢相信，Linux自带的命令会这么强大，从gtf中提取出需要的transcript，看起来复杂，其实一个grep就搞定了。 grep -F -f out.list gffcmp.combined.gtf &gt; test.out 本文出自于http://www.bioinfo-scrounge...
GFF文件转换成GTF文件的步骤
飘羽的博客
04-24 1万+
1、首先需要安装Cufflinks软件：执行命令： gffread **.gff -T -o **.gtf   例如：gffread test.gff -T -o test.gtf安装Cufflinks的步骤：1. 为了安装Cufflinks，必须有Boost C++ libraries。下载Boost并安装。默认安装在/usr/local。    $ tar jxvf boost_1_53_0....
How do I convert GFF file to a GTF file? 怎么把gff文件变成gtf文件
biolxy的博客
08-08 4409
首先需要 安装cufflink 软件，里面有一个程序gffread gffread my.gff3 -T -o my.gtf
seq2seq样例.rar_seq2seq_tensorflow_熵 预测
09-23
tensorflow框架下的交叉熵计算代码，序列到序列预测实例代码
attention-seq2seq.rar
08-04
压缩包包含训练好的模型，提供test.py脚本可直接使用，并提供可视化的输出。采用pytorch实现了简单法语-英语的翻译。模型采用attention-seq2seq，编码器和解码器采用gru实现。支持windows和linux操作系统。
seq2seq.pytorch：使用PyTorch进行序列到序列学习
03-04
安装git clone --recursive https://github.com/eladhoffer/seq2seq.pytorchcd seq2seq.pytorch; python setup.py develop楷模当前可用的模型： 简单的Seq2Seq递归模型带注意解码器的递归Seq2Seq （GNMT）递归模型...
seq2seq.zip
06-17
seq2seq-cnn-1506.05869v3.pdf seq2seq-paper-1409.3215v3.pdf seq2seq-cnn-1506.05869v3.pdf seq2seq-paper-1409.3215v3.pdf
chn2eng_seq2seq.rar
08-04
压缩包包含训练好的模型，提供test.py脚本可直接使用，并提供可视化的...支持windows和linux操作系统。采用pytorch实现中英翻译，采用GRU实现编解码器。内含处理好的数据集，也提供训练过程绘制，注意力机制可视化。
gff3格式转换
xxxxx
11-19 7090
使用gmap软件输出的gff3文件并不能直接用来作为gffcompare的输入文件 故此，需要进行转换，转换也简单就是讲target字段删除即可。#!/usr/bin/env python # -*- coding: utf-8 -*- __author__ = 'shengwei ma' __author_email__ = 'shengweima@icloud.com'with open('
GTF基因注释文件详解
宁生信
06-03 5万+
GFF和GTF是两种最常用的数据库注释格式，在信息分析中建库时除了需要fasta文件一般还会需要这两种文件，提取需要的信息进行注释。 Cufflinks/Tophat 软件需要 GTF文件作为基因注释文件。  GFF全称为general feature format，这种格式主要是用来注释基因组。 GTF全称为gene transfer format，主要是用来对基因进行注释。 目
GTF/GFF文件的差异及其相互转换（转载）
人间飞羽
06-07 758
GTF/GFF文件的差异及其相互转换（转载）
基因组注释文件(GFF,GTF)下载的五种方法
热门推荐
Baimoc
04-17 5万+
文章目录NCBIEnsemblUCSCGeneCode NCBI Ncbi 里包含现在最全的参考基因组数据，可以进入FTP站点查看：ftp://ftp.ncbi.nlm.nih.gov/genomes/ 这里的文件夹名为物种的拉丁名，这里以 Human(Homo_sapiens) 为例，下载方法如下： wget ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sa...
gffread处理工具
weifanbio的博客
11-04 2315
GFF/GTF格式 01 格式 1.GFF（general feature format ): 通用特征格式，格式由每个特征一行组成，每行包含9 列数据，以及可选的轨道定义行； 2.GTF（gene transfer format ): 通用传输格式，与GFF版本2相同。 02 功能 1.GFF用来注释基因组 2.GTF用来注释基因，比如基因在染色体上的位置（coordinate）及这段区间的其他信息 3. GTF文件和GFF文件都是由9列信息组成，并且这两种文件的前8列基本上是相同的，最后一列信息显示不一
gff文件_#GTF/GFF格式# gffread入门使用
weixin_29107289的博客
01-11 1217
GTF (gene transfer format) is identical to GFF (general feature format) version 2GFF格式主要是用来注释基因组GTF主要是用来对基因进行注释，比如基因在染色体上的位置(coordinate)及这段区间的其他信息。两者在内容上前八列相同，最后一列信息显示不一致，gff文件格式如下：seqid - name of the...
tf.seq2seq.AttentionWrapper tensorflow v2
05-18
在 TensorFlow 2.x 中，tf.contrib.seq2seq.AttentionWrapper 已被弃用。相反，可以使用 tf.keras.layers.Attention 类来实现注意力机制。 下面是一个使用 tf.keras.layers.Attention 的示例： ```python import tensorflow as tf # 定义一个 Attention 层 attention = tf.keras.layers.Attention() # 输入序列的形状为 (batch_size, seq_len, embedding_dim) encoder_inputs = tf.keras.Input(shape=(None, embedding_dim)) decoder_inputs = tf.keras.Input(shape=(None, embedding_dim)) # 编码器 LSTM 层 encoder_lstm = tf.keras.layers.LSTM(units=hidden_size, return_sequences=True, return_state=True) encoder_outputs, state_h, state_c = encoder_lstm(encoder_inputs) # 解码器 LSTM 层 decoder_lstm = tf.keras.layers.LSTM(units=hidden_size, return_sequences=True, return_state=True) decoder_outputs, _, _ = decoder_lstm(decoder_inputs, initial_state=[state_h, state_c]) # 注意力机制 context_vector, attention_weights = attention([decoder_outputs, encoder_outputs]) # 输出层 output = tf.keras.layers.Dense(vocab_size, activation='softmax')(context_vector) # 定义模型 model = tf.keras.Model(inputs=[encoder_inputs, decoder_inputs], outputs=output) ``` 在上面的代码中，我们首先定义了一个 tf.keras.layers.Attention 层。然后，我们定义了编码器和解码器 LSTM 层，并使用它们分别对编码器输入和解码器输入进行编码。 接下来，我们使用注意力层对解码器输出和编码器输出进行注意力计算，得到上下文向量和注意力权重。 最后，我们使用一个全连接层对上下文向量进行预测，得到输出结果。 希望这个例子可以帮助你理解如何在 TensorFlow 2.x 中使用注意力机制。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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