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