GTF文件

一、GTF文件格式

　Fields must be tab-separated. Also, all but the final field in each feature line must contain a value; "empty" columns should be denoted with a '.'

　　1.seqname - name of the chromosome or scaffold; chromosome names can be given with or without the 'chr' prefix. Important note: the seqname must be one used within Ensembl, i.e. a standard chromosome name or an Ensembl identifier such as a scaffold ID, without any additional content such as species or assembly. See the example GFF output below.

　　2.source- name of the program that generated this feature, or the data source (database or project name)

　　3.feature- feature type name, e.g. Gene, Variation, Similarity

　　4.start- Start position of the feature, with sequence numbering starting at 1.

　　5.end- End position of the feature, with sequence numbering starting at 1.

　　6.score- A floating point value.

　　7.strand- defined as + (forward) or - (reverse).

　　8.frame- One of '0', '1' or '2'. '0' indicates that the first base of the feature is the first base of a codon, '1' that the second base is the first base of a codon, and so on..

　　9.attribute- A semicolon-separated list of tag-value pairs, providing additional information about each feature.

　　1.染色体名

　　2.注释信息的来源，比如”Genescan”、”Genbank” 等，可以为空，为空用”.”点号代替

　　3.注释信息的类型，比如Gene、cDNA、mRNA等，或者是SO对应的编号

　　4、5.开始和结束位置

　　7.序列的方向， +表示正义链, -反义链 , ? 表示未知

　　8.阅读框：有数字0、1和2。0代表序列的第一个碱基为密码子的第一个碱基，1代表是密码子第二个，2代表第三个。

　　9.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。

 

　其中source列包含了基因注释机构，如ensembl，ensembl_havana，havana，insdc，mirbase等，要了解这些数据库，可以参考博客:https://www.cnblogs.com/always-fight/p/9002252.html