GFF3格式介绍

评论8,707

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

发表评论

匿名网友