NGS数据分析实践：03. 涉及的常用数据格式[3] - gtf/gff格式
NGS数据分析实践：03. 涉及的常用数据格式[3] - gtf/gff格式
- 3. gtf/gff格式
- 3.1 gtf格式
- 3.2 gff格式
- 3.3 GTF格式与GFF异同点
系列文章：
二代测序方法：DNA测序之靶向重测序
NGS数据分析实践：00. 变异识别的基本流程
NGS数据分析实践：01. Conda环境配置及软件安装
NGS数据分析实践：02. 参考基因组及注释库的下载
NGS数据分析实践：03. 涉及的常用数据格式[1] - fasta和fastq格式
NGS数据分析实践：03. 涉及的常用数据格式[2] - sam/bam格式
测序数据分析中涉及的常用格式：测序得到的是带有质量值的碱基序列(fastq格式)，参考基因组是(fasta格式)，用比对工具把fastq格式的序列比对到对应的fasta格式的参考基因序列，就可以产生sam格式的比对文件。把sam格式的文本文件压缩成二进制bam文件可以节省空间，如果对参考基因组上面的各个区段标记它们的性质，比如哪些区域是外显子、内含子、UTR等等，这就是gtf/gff格式。如果只是为了单纯描述某个基因组区域，就是bed格式文件，记录染色体号以及起始终止坐标，正负链即可。如果是记录某些位点或者区域碱基的变异，就是vcf文件格式。
fasta/fastq(测序数据)→SAM/BAM(比对)→gff/gtf(描述基因组上的结构：坐标&类型)→Bigwig/Wiggle(测序深度)→bed(描述坐标)→vcf(突变信息)
存储序列：fasta/fastq
比对结果显示的文件：sam/bam
展示注释信息：gtf/gff/bed
突变信息：vcf
3. gtf/gff格式
gtf主要用来注释基因，gff主要用来注释基因组。
3.1 gtf格式
GTF全称为gene transfer format，主要是用来对基因进行注释，常用GTF格式为第2版(GTF2)。
示例：
GTF文件是以tab键分割的9列组成，以下为每一列的对应信息：
3.2 gff格式
GFF全称为general feature format，这种格式主要是用来注释基因组，当前广泛使用的GFF格式为第3版(GFF3)。
GFF文件也是以tab键分割的9列组成，以下为每一列的对应信息：
预先定义的键主要包括：
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；
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。
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，值可以为多个；
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" "。
Gap：T比对结果的gap信息，和Target一起，用于表明序列的比对结果。
Dbxref：数据库索引。
……
3.3 GTF格式与GFF异同点
gtf2的内容和gff3很相似，区别只在其中的2列：
| gtf2 | gff3 | |
|---|---|---|
| feature/type | 必须注明 | 可以是任意名称 |
| attributes | 名称和值以空格隔开 | 名称和值以“=”隔开 |
其余文件格式见后续。
参考阅读：
http://genome.ucsc.edu/FAQ/FAQformat.html
生信宝典 NGS基础 - GTF/GFF文件格式解读和转换
NGS数据分析实践：03. 涉及的常用数据格式[3] - gtf/gff格式相关推荐
- NGS数据分析实践：03. 涉及的常用数据格式[2] - sam/bam格式
NGS数据分析实践:03. 涉及的常用数据格式[2] - sam/bam格式 2. sam和bam格式 系列文章: 二代测序方法:DNA测序之靶向重测序 NGS数据分析实践:00. 变异识别的基本流程 ...
- NGS数据分析实践：03. 涉及的常用数据格式[4] - bed和Wiggle/Bigwig/bedgraph格式
NGS数据分析实践:03. 涉及的常用数据格式[4] - bed和Wiggle/Bigwig/bedgraph格式 4. bed格式 5. Wiggle/Bigwig/bedgraph格式 5.1 W ...
- NGS数据分析实践：06. 数据预处理 - 序列比对+PCR重复标记+Indel区域重比对+碱基质量重校正
NGS数据分析实践:06. 数据预处理 - 序列比对+PCR重复标记+Indel区域重比对+碱基质量重校正 1. 序列比对 1.1 参考基因组建索引 1.2 序列比对 2. 排序 3. PCR重复标记 ...
- NGS数据分析实践：04. 准备测序数据
NGS数据分析实践:04. 准备测序数据 文接上篇:NGS数据分析实践:03. 涉及的常用数据格式[5] - vcf格式 本次NGS数据,采用多重PCR靶向扩增子测序技术,在Illunima Hise ...
- NGS数据分析实践：05. 测序数据的基本质控 [1] - FastQC
NGS数据分析实践:05. 测序数据的基本质控 [1] - FastQC 前言 1. FastQC 1.1 帮助信息及运行代码 1.2 报告解读 1.3 小结 文接上篇:NGS数据分析实践:04. 准 ...
- NGS数据分析实践：00. 变异识别的基本流程
NGS数据分析实践:00. 变异识别的基本流程 变异识别过程可以分成3大块:1. 原始数据质控:2. 数据预处理:3. 变异识别.大致可以细分为6个部分:(1) 原始测序数据的质控:(2) read比 ...
- NGS数据分析实践：02. 参考基因组及注释库的下载
NGS数据分析实践:02. 参考基因组及注释库的下载 1. 参考基因组数据 2. 已知的SNP和Indel变异数据 3. annovar注释所需数据库的下载 4. 其他数据库 系列文章: 二代测序方法 ...
- NGS数据分析实践：05. 测序数据的基本质控 [2] - MultiQC
NGS数据分析实践:05. 测序数据的基本质控 [2] - MultiQC 2. MultiQC 2.1 帮助信息及运行代码 2.2 报告解读 2.3 小结 文接上篇:NGS数据分析实践:05. 测序 ...
- 七牛大数据平台的演进与大数据分析实践--转
原文地址:http://www.infoq.com/cn/articles/qiniu-big-data-platform-evolution-and-analysis?utm_source=info ...
最新文章
- 链表问题11——两个单链表相交的系列问题(二):找到两个无环链表的交点
- mysql关联表插入-php环境中
- 用户态与内核态的区别
- 高基数特征的预处理方式
- [2017BUAA软工]结对项目：数独扩展
- Linux下安装Redis及搭建主从
- SpringBoot查看和修改依赖的版本
- kafka查看broker上主副本_kafka分区及副本在broker的分配
- C# 参考之方法参数关键字：params、ref及out (收集)
- es6-let const
- WINDOWS.H already included.MFC apps must not #include windows.h
- visio2013剪除_Visio 2003 图形剪切合并 高级技巧
- 基于min-max搜索和alpha-beta(α-β)剪枝的五子棋的c语言实现（带简单禁手）
- Graph_Master(连通分量_D_Trajan缩点+dfs)
- 世界杯的狂欢也是黑灰产的狂欢？
- Pale Moon 15.1 发布，苍月浏览器
- AI识别彻底懵逼！这到底是「牛」还是「鲨」？
- Docker容器之间相互访问
- android银行卡绑定,华为huawei pay怎么绑定银行卡 绑卡方法教程
- Nacos下载和安装-windows版本