如何获得基因名与基因类型的对应关系—

GTF文件是用于保存基因结构信息的文件格式。它是基于通用特征格式（GFF）的制表符分隔文本格式，但包含一些特定的附加基因信息。
1.打开GENECODE网站，下载GTF文件

https://www.gencodegenes.org/human/release_29.html

image.png

2.传入Linux（以shell为例）

image.png

3.解压

gunzip gencode.v29.annotation.gtf.gz

image.png

4.less 查看

less -S gencode.v29.annotation.gtf

image.png

观察得第14列为基因类型，第18列为基因名，取。
重导向为gencode.v25.annotation.gtf.gene3type

awk '{if(!NF || /^#/){next}}1' gencode.v25.annotation.gtf|sed 's/"//g'| sed 's/;//g'|awk '{print $14,$18}' > gencode.v25.annotation.gtf.gene3type

5.less 一下新文件

image.png

1.存在以K开头 2.存在重复
故去K，去重复

uniq gencode.v25.annotation.gtf.gene3type |grep '^[^K]' |less -S

image.png

可在R打开使用
更方便的方法是直接在Linux下载

wget ftp://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_29/gencode.v29.annotation.gtf.gz

image.png

参考来源：生信技能树

友情链接：

课程分享
生信技能树全球公益巡讲
（https://mp.weixin.qq.com/s/E9ykuIbc-2Ja9HOY0bn_6g）
B站公益74小时生信工程师教学视频合辑
（https://mp.weixin.qq.com/s/IyFK7l_WBAiUgqQi8O7Hxw）
招学徒：
（https://mp.weixin.qq.com/s/KgbilzXnFjbKKunuw7NVfw）

欢迎关注公众号：青岛生信菜鸟团

对于人和小鼠而言，NCBI, Ensembl等数据库都保存了对应的基因注释信息，不同数据库中的信息来源和可信度都不一样，gencode综合HAVANA和Ensembl 数据库中的信息，通过实验手段加以验证，从而构建一个高质量的注释信息数据库。网址如下

https://www.gencodegenes.org/

官网提供了GTF和GFF3两种格式的文件以供下载，示意如下

每种类型的文件提供了3种区域

CHR

ALL

PRI

对于基因组而言，包括了chromsome，unplaced_scaffold, alt_scaffold, patch等序列，这些序列上都存在对应的基因。CHR指的是染色体级别的信息，包括细胞核内的染色体和线粒体；ALL包括所有的序列，PRI只包含染色体和unplaced_scaffold序列上的信息。官方推荐，使用CHR级别的信息。

文件中采用level来表示注释信息的可信度，目前共包括3个level。

level1代表可靠的注释信息，有直接的实验证据支持的注释信息；level2代表的是经过人工校对的注释信息，取HAVANA和Ensembl注释信息中一致的注释信息；level3指的是软件注释的信息，通常是Ensemble中和HAVANA不一致的注释信息。

如果想要得到更高可信度的注释信息，可以根据level进行过滤，只选择1和2这两个层级的注释信息。

文件中共包含的基因和转录本的个数统计如下

1. human

2. mouse

在文件中，会给出基因或者转录本的类型信息，解释如下

protein_coding
蛋白编码基因

lincRNA
位于基因间区的长链非编码RNA

non_coding
文献中证实的非编码RNA

完整的基因类型信息详见以下链接

https://www.gencodegenes.org/gencode_biotypes.html
————————————————
版权声明：本文为CSDN博主「生信修炼手册」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43569478/article/details/108079240

如何获得基因名与基因类型的对应关系——下载GTF文件基因注释相关推荐

R语者小case之——从GTF文件生成注释表格做基因ID转换
基因的注释表格是经常需要用到的,可以从GTF文件中获得.用R可以简单地实现这个功能. 简易的GTF文件实际上可以认为是用制表符分隔为9列的TSV. 第一列是seqid, 通常是染色体编号: 第二列是s ...
怎么让热图显示基因名_在热图中标注出特定基因名称
原标题:在热图中标注出特定基因名称对于基因的差异表达谱,常用热图作为展示.但有时差异基因可能非常的多,热图中不可能将所有基因的名称标注出来.那么此时不妨选择一些比较重要的基因(比方说p值最显著的那些 ...
根据NCBI中的蛋白名在uniprot中查找对应蛋白登录号及基因名
根据NCBI中的蛋白名在uniprot中查找对应蛋白登录号及基因名想法来源第一个客户第二位客户代码分享反思想法来源首先,我要感谢我从事蛋白质组分析工作中遇到的形(xi)形(qi)色(gu ...
R中不同类型的基因名间的转换
举一个例子,已知基因ID,求其对应的ENSEMBL,步骤如下 library(org.Hs.eg.db) library(clusterProfiler) keytypes(org.Hs.eg.db) ...
2020-008 Excel与基因名的故事（续）
Excel与基因名的故事(续) 8号的时候,刷知乎遇到一个问题.如何评价科学家重命名了多个人类基因,以避免被 Excel 自动纠正?没有别的方法吗? 虽然不知道知乎从何种途径观察到我在研究这个问题然后 ...
在线使用Python通过染色体id+位置查询基因名列表
前话:使用pyensembl可对hg38进行本地查询,但发现若查询其他的数据库比如hg19,得重新下载对应的数据文件. 查看文献发现,UCSC提供了一个丰富的mysql数据库供我们在线查询各种生物信息 ...
基因名2-MAR等错误名字产生原因
数据导入Microsoft Excel后,部分基因名会自动转换为日期或浮点. 源格式导入Excel后的格式 MARC1 1-Mar MARCH1 1-Mar DEC1 1-Dec 231012E4 ...
基因去重表达矩阵有重复的基因名探针名字
每次都要检测数据 >dat[1:4,1:4] library(hgu133plus2.db) ids=toTable(hgu133plus2SYMBOL) #toTable这个函数:通过看hgu ...
gene id对应基因名_前5名：用于计算机维修的Linux发行版，Blockly，Gene Kim等
gene id对应基因名欢迎来到Opensource.com每周前5名! 您是否想知道魔术是如何发生的? 当然这不是火箭科学,但我想您可能想知道我如何每周为您制作Weekly Top 5视频和文章. ...

如何获得基因名与基因类型的对应关系——下载GTF文件基因注释

如何获得基因名与基因类型的对应关系——下载GTF文件基因注释相关推荐

最新文章

热门文章

如何获得基因名与基因类型的对应关系——下载GTF文件 基因注释

如何获得基因名与基因类型的对应关系——下载GTF文件 基因注释相关推荐

最新文章

热门文章

如何获得基因名与基因类型的对应关系——下载GTF文件基因注释

如何获得基因名与基因类型的对应关系——下载GTF文件基因注释相关推荐