GFF格式说明

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。

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“%09”表示。
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。
Alias
名称的代称或其它。当存在其它名称时使用该属性。
Note
描述性的一些说明。
Alias和Note可以有多个值,不同值之间以逗号分隔。
如:Alias=M19211,gna-12,GAMMA-GLOBULIN

Other good stuff can go into the attributes field, as we shall see later.




PLOB文章转载自:http://www.plob.org/2011/12/02/655.html

gff格式是Sanger研究所定义,是一种简单的、方便的对于DNA、RNA以及蛋白质序列的特征进行描述的一种数据格式,比如序列的那里到那里是基因,已经成为序列注释的通用格式,比如基因组的基因预测,许多软件都支持输入或者输出 gff格式。目前格式定义的最新版本是版本3。原始定义见SONG website
 
gff是文本文件,由tab键隔开的9列组成,以下是各列的说明:
 
Column 1: “seqid”
         序列的编号,编号的有效字符[a-zA-Z0-9.:^*$@!+_?-|]
Column 2: “source”
         注释信息的来源,比如”Genescan”、”Genbank” 等,可以为空,为空用”.”点号代替
Column 3: “type”
         注释信息的类型,比如Gene、cDNA、mRNA等,或者是SO对应的编号
Columns 4 & 5: “start” and “end”
         开始与结束的位置,注意计数是从1开始的。结束位置不能大于序列的长度
Column 6: “score”
        得分,数字,是注释信息可能性的说明,可以是序列相似性比对时的E-values值或者基因预测是的P-values值。”.”表示为空。
Column 7: “strand”
        序列的方向, +表示正义链, -反义链 , ? 表示未知.
Column 8: “phase”
        仅对注释类型为 “CDS”有效,表示起始编码的位置,有效值为0、1、2。
Column 9: “attributes”
         以多个键值对组成的注释信息描述,键与值之间用”=“,不同的键值用”;“隔开,一个键可以有多个值,不同值用”,“分割。注意如果描述中包括tab键以及”,=;”,要用URL转义规则进行转义,如tab键用 %09代替。键是区分大小写的,以大写字母开头的键是预先定义好的,在后面可能被其他注释信息所调用。
 
 
预先定义的键包括:
 
  • ID 注释信息的编号,在一个GFF文件中必须唯一;
  • Name 注释信息的名称,可以重复;
  • Alias 别名
  • Parent Indicates 该注释所属的注释,值为注释信息的编号,比如外显子所属的转录组编号,转录组所属的基因的编号。值可以为多个。
  • Target Indicates: the target of a nucleotide-to-nucleotide or protein-to-nucleotide alignment.
  • Gap:The alignment of the feature to the target if the two are not collinear (e.g. contain gaps).
  • Derives_from:Used to disambiguate the relationship between one feature and another when the relationship is a temporal one rather than a purely structural “part of” one. This is needed for polycistronic genes.
  • Note 备注
  • Dbxref 数据库索引
  • Ontology_term: A cross reference to an ontology term.
<a href="http://upload.plob.ybzhao.com/wp-content/uploads/2011/12/figure1.png" class="cboxElement" rel="example4" 655"="" style="text-decoration: initial; color: rgb(1, 150, 227);"> GFF格式说明_第1张图片
 
蛋白质编码基因的 gff格式注释
 
##gff-version 3
##sequence-region ctg123 1 1497228
ctg123 . gene 1000 9000 . + . ID=gene00001;Name=EDEN
ctg123 . TF_binding_site 1000 1012 . + . Parent=gene00001
ctg123 . mRNA 1050 9000 . + . ID=mRNA00001;Parent=gene00001
ctg123 . mRNA 1050 9000 . + . ID=mRNA00002;Parent=gene00001 ctg123 . mRNA 1300 9000 . + . ID=mRNA00003;Parent=gene00001 ctg123 . exon 1300 1500 . + . Parent=mRNA00003
ctg123 . exon 1050 1500 . + . Parent=mRNA00001,mRNA00002
ctg123 . exon 3000 3902 . + . Parent=mRNA00001,mRNA00003
ctg123 . exon 5000 5500 . + . Parent=mRNA00001,mRNA00002,mRNA00003
ctg123 . exon 7000 9000 . + . Parent=mRNA00001,mRNA00002,mRNA00003
ctg123 . CDS 1201 1500 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 3000 3902 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 5000 5500 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 7000 7600 . + 0 ID=cds00001;Parent=mRNA00001
ctg123 . CDS 1201 1500 . + 0 ID=cds00002;Parent=mRNA00002
ctg123 . CDS 5000 5500 . + 0 ID=cds00002;Parent=mRNA00002
ctg123 . CDS 7000 7600 . + 0 ID=cds00002;Parent=mRNA00002
ctg123 . CDS 3301 3902 . + 0 ID=cds00003;Parent=mRNA00003
ctg123 . CDS 5000 5500 . + 2 ID=cds00003;Parent=mRNA00003
ctg123 . CDS 7000 7600 . + 2 ID=cds00003;Parent=mRNA00003
ctg123 . CDS 3391 3902 . + 0 ID=cds00004;Parent=mRNA00003
ctg123 . CDS 5000 5500 . + 2 ID=cds00004;Parent=mRNA00003
ctg123 . CDS 7000 7600 . + 2 ID=cds00004;Parent=mRNA00003

你可能感兴趣的:(GFF格式说明)