GFF3格式

GFF3的官方介绍:Generic Feature Format Version 3 (GFF3)

1. GFF3文件格式描述

GFF3格式文件为文本文件,分为9列,以TAB分开。控制符使用 RFC 3986 Percent-Encoding 编码。比如:%20 代表着ASCII的空格。

9列文件依次是:

1. seqid:参考序列的id。该id的取名不能以’>’开头,不能包含空格。

2. source :注释的来源。如果未知,则用点(.)代替。一般指明产生此gff3文件的软件或方法。

3. type :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 :属性对应片段的起点。从1开始计数。

5. end position :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 :“+”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。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。
常用的标签有:
ID
Feature的标识。该ID具有唯一性。
Name
Feature的展示名称。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
Feature的第2个Name。
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’%20’。
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
文本描述
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。

2. GFF3文件检测

检验GFF3格式文件: GFF3 Validator

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据