gtf与gff3文件【格式】【转换】

GFF3 官方

• General Feature Format Version 3
• 存储序列结构信息的一种数据格式。序列结构就是一个scaffold或者染色体上面每个位置都是什么序列元件。
• GFF每一行代表一个序列元件&＃xff08;以#为开头的注释行除外&＃xff09;&＃xff0c;一行9列9个属性&＃xff0c;必须tab分割&＃xff0c;属性为空用“.”代替。

1. seqid - scaffold或者chromosome的名称说明
2. source - 产生一个序列元件的软件的名称或者数据源&＃xff08;数据库名称或者项目名称&＃xff09;
3. type - 序列元件的类型&＃xff0c;例如&＃xff1a;mRNA、CDS等等
4. start - 序列元件在scaffold或者chromosome上的起始位置&＃xff0c;从1开始计数
5. end - 序列元件在scaffold或者chromosome上面的终止位置&＃xff0c;从1开始计数
6. score - 该序列元件的打分&＃xff0c;一般为该序列元件做比对时的E-value和ab initio gene prediction features时的P-value
7. strand - “&＃43;”代表该序列元件在scaffold或者chromosome的正链&＃xff0c;反之亦反
8. phase - 可以为“0”、“1”、“2”&＃xff0c;“0”代表该序列元件的第一个碱基为第一个密码子的第一个剪辑&＃xff0c;“1”代表该序列元件的第二个碱基是第一个密码子 的第一个碱基&＃xff0c;依次类推。
9. attributes - 该序列元件的一些其他属性&＃xff0c;可以有多个每个属性之间必须以“;”分割&＃xff0c;例如“ID&＃61;some-id;Name&＃61;some-name;Parent&＃61;some-parent”&＃xff0c;请注意这个Parent属性&＃xff0c;由于序列元件是很复杂的&＃xff0c;一个序列元件&＃xff08;例如&＃xff1a;exon&＃xff09;可能属于另外一个序列元件&＃xff08;例如&＃xff1a;gene&＃xff09;&＃xff0c;这个Parent属性的意思就是该序列元件在哪个序列元件上面&＃xff0c;如果一个序列元件没有Parent属性&＃xff0c;说明他的父元件就是scaffold或者chromosome


GFF文件的第9列&＃xff0c;从第二版开始(GFF2)&＃xff0c;所有的属性都以标签&＃61;值的方式呈现&＃xff0c;各个属性之间以;作为分隔符

GTF官方

当前所广泛使用的GTF格式为第二版(GTF2)&＃xff0c;它主要是用来描述基因的注释。GTF格式有两个硬标准&＃xff1a;

• 根据所使用的软件的不同&＃xff0c;feature types是必须注明的。
• 第9列必须以gene_id以及transcript_id开头。GTF文件的第9列同GFF文件不同&＃xff0c;虽然同样是标签与值配对的情况&＃xff0c;但标签与值之间以空格分开&＃xff0c;且每个特征之后都要有分号;&＃xff08;包括最后一个特征&＃xff09;&＃xff1a;

格式转换