从gtf文件提取gene长度

从gtf文件提取gene长度，gene外显子id，外显子起始和终止位置等方法

## 下载gtf：选择的是ensembl 的小鼠的Mus_musculus.GRCm38.102.gtf：

\ ## 下载好的gtf文件，导入到服务器中

参考链接：

https://www.jianshu.com/p/d53416962fa8

操作

# 解压：
gunzip Mus_musculus.GRCm38.102.gtf.gz

# head查看一下gtf的格式：
head Mus_musculus.GRCm38.102.gtf

# 提取exon出来：
awk '{if ($3=="exon") print $0}' Mus_musculus.GRCm38.102.gtf  > exon.gtf

# 去掉 exon.gtf 文件中的双引号：
sed -i 's/"//g' exon.gtf

# 提取需要的信息到txt：

awk 'BEGIN{FS="\t| |;";OFS="\t"}{print $1,$3,$4,$5,$7,$10,$25,$5-$4+1}' exon.gtf > exon.txt

# 查看exon.txt 的内容

# 查看下有多少exon，多少个gene：

wc -l exon.txt (有多少exon)

awk '{print $6}' exon.txt | sort | uniq |wc -l (gene_id数量)

awk '{print $7}' exon.txt | sort | uniq |wc -l  (gene_name 数量)

#看来gene_id的数量比genename要多，用name吧

# 计算gene长度：
awk 'BEGIN{OFS="\t"}{ s[$7] += $8 }END{for (i in s){print i,s[i]}} ' exon.txt > gene.length.txt

#查看 gene.length.txt 内容：
head gene.length.txt