GFF3格式文件

GFF3是GFF注释文件的新标准。文件中每一行为基因组的一个属性,分为9列,以TAB分开。

依次是:

1. reference sequence:参照序列

指出注释的对象。如一个染色体,克隆或片段。可以有多个参照序列。

该id的取名不能以’>’开头,不能包含空格。

 

2. source :来源

注释的来源。如果未知,则用点(.)代替。

 

3. type      :类型

属性的类型。建议使用符合SO惯例的名称(sequence ontology,参看[[Sequence Ontology Project]]) ,如gene,repeat_region,exon,CDS等。

 

4. start position       :起点

属性对应片段的起点。从1开始计数。

 

5. end position          :终点

属性对应片段的终点。一般比起点的数值要大。

 

6. score    :得分

对于一些可以量化的属性,可以在此设置一个数值以表示程度的不同。如果为空,用点(.)代替。

 

7. strand  :链

“+”表示正链,“-”表示负链,“.”表示不需要指定正负链。

 

8. phase   :步进

对于编码蛋白质的CDS来说,本列指定下一个密码子开始的位置。可以是0,1或2,表示到达下一个密码子需要跳过的碱基个数。

对于其它属性,则用点(.)代替。

 

9. attributes    :属性

一个包含众多属性的列表。格式为“标签=值”(tag=value)。不同属性之间以分号相隔。可以存在空格,不过若有“,=;”则用URL转义(URL escaping rule),同时TAB也需要转换为“ ”表示。所有以大写字幕开头的标签被保留,用于大众认可的用途,而以小写字母开头的标签则根据自己安排随意应用。

下列的标签已定义:

ID

指定一个唯一的标识。对属性分类是非常好用(例如查找一个转录单位中所以的外显子)。

Name

指定属性的名称。展示给用户的就是该属性。。Name的值在可视化的时候得到展示。因此,Name可以根据自己展示的需要随意取值。

Alias

名称的代称或其它。当存在其它名称时使用该属性。

Parent

指明feature所从属的上一级ID。用于将exons聚集成transcript,将transripts聚集成gene。

Target

指明比对的目标区域,一般用于表明序列的比对结果。格式为”target_id start end [strand]“,其中strand是可选的(“+”或”-”), target_id中如果包含空格,则要转换成’ ′。

Gap

比对结果的gap信息,和Target一起,用于表明序列的比对结果。

Note

描述性的一些说明。

Is_circular

表明featrue是否为环化的。用于环状基因组序列。

 

同一个tag如果有多个值,则多个值之间使用逗号隔开,比如:

Parent=AF2312,AB2812,abc-3

Alias=M19211,gna-12,GAMMA-GLOBULIN

能够使用多个值的tag有:Parent, Alias, Note, Dbxref and Ontology_term。

参考:http://blog.sina.com.cn/s/blog_670445240102uxh2.html

你可能感兴趣的:(GFF3格式文件)