基因组注释文件(二)| gff 和 gtf文件格式说明

GFF和GTF是两种最常用的基因组注释格式,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。

GFF(General Feature Format)是一种用来描述基因组特征的文件,现在我们所使用的大部分都是第三版(gff3)。

gff文件除gff1以外均由9列数据组成,前8列在gff的3个版本中信息都是相同的,只是名称不同:

gtf文件是以tab键分割的9列组成,以下为每一列的对应信息:

在GFF文件的开头,可以有#开头的注释行,示例如下

对于不同的基因组特征,其属性不同。

染色体是基础,后续的基因,exon等都是需要定位在染色体上的。

假基因示例如下

tRNA基因示例如下

miRNA基因示例如下

一个miRNA基因的最终会形成两个成熟的miRNA。

lncRNA基因示例如下

需要注意是,由于可变剪切的存在,一个蛋白编码基因可能会有多个转录本。

查看第9列有哪些注释信息:

gtf全称为gene transfer format,主要是用来对基因进行注释,当前所广泛使用的gtf格式为第二版(gtf2)。以下均基于gtf2叙述。

gtf同gff3很相似,也是9列内容,其内容如下:

例子:

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。

GTF 的第九列,通常为:

而 GFF 的第九列,通常为:

目前两种文件可以方便的 相互转化 :使用 gffread

UCSC GTF format

/sinat_38163598/article/details/72851239