GTF/GFF文件格式解读和转换

GFF文件

全程为gerneral feature format，这种格式主要用来注释基因组。
从Ensembel 导出的GFF文件实例，一共有9列，中间用tab键分开。

1.seq_id: 序列编号，一般为chr或者scanfold编号；
2.source： 注释的来源，一般为数据库或者注释机构，“.”表示未知；
3.type： 注释信息的类型，比如Gene、cDNA、mRNA、CDS等
4.start： 该基因或转录本在参考序列上的起始位置（从1开始，包含）
5.end： 该基因或转录本在参考序列上的终止位置（从1开始，包含；）
基因或转录本在参考序列上的范围：start~end（包头尾）
6.score： 得分，数字，是注释信息的能能性说明；可以是序列相似性比对时的E-value
或是基因预测时的P-value，“.”表示空。
7.strand： 该基因或转录组位于参考序列的正链（+）或负链（-）
8.phrase: 仅对type为“CDS”有效。表示起始编码的位置
9.attributes： 一个包含众多属性的列表，格式为tab=value。键值之间用=，不同键值分割用“；”。一个键可以有多个值，不同值用“，”隔开。

GFT文件

全称为gene transfer format，主要用来对基因进行注释。

GTF大部分与GFF相同，但有两个硬性标准。
1.feature types必须标明
2.attribute列必须以gene_id以及transcript_id开头。而且标签与值之间用空格分开，且每个
特征之间都要有分号“；”，包括最后一个特征。

GFF与GTF相互转换

使用cufflinks里的工具gffread

#gff to gtf
gffread my.gff3 -T -o my.gtf
#gtf to gff
gffread my.gtf -o- >my.gff3