我們在做生物分析的時候，經常會碰到GFF格式的文件以及GTF格式的注釋文件。他們有着相似的名字，甚至連內容都極為相似~那么，他們究竟差在哪里呢？
GFF全稱為general feature format，這種格式主要是用來注釋基因組。
GTF全稱為gene transfer format，主要是用來對基因進行注釋。
數據結構
GTF文件以及GFF文件都由9列數據組成，這兩種文件的前8列都是相同的（一些小的差別）
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
|---|---|---|---|---|---|---|---|---|
| reference sequence name | annotation source | feature type | start coordinate | end coordinate | score | strand | frame | attributes |
GFF
GFF文件是一種用來描述基因組特征的文件，現在我們所使用的大部分都是第三版）（GFF3）。GFF允許使用#作為注釋符號，例如很多GFF文件都會使用如下的兩行來表明其版本其創建日期：
##gff-version 2 ##created 11/11/11 GFF文件每一列所代表的含義前面表格中有，但請注意，它的第3列feature type是不受約束的，你可以使用任意的名稱，但也不要太淘氣~用一些適當的名稱對於后面的分析會有很大的幫助。
我們需要注意的是GFF文件的第9列，從第二版開始(GFF2)，所有的屬性都以標簽=值的方式呈現，各個屬性之間以;作為分隔符
ID=geneAExon1;Name=geneA;Parent=geneA;Organism=human
在最新版本的GFF文件中(GFF3)，有一些是已經預先定義的屬性特征，並且這些特征往往還有特殊的含義：ID這個標簽實在各行都要有的；另外有一個Parent的屬性，它表明了當前的特征是Parent特征的子集。
Contig01 PFAM gene 501 750 . + 0 ID=geneA;Name=geneA
Contig01 PFAM exon 501 650 . + 2 ID=exonA1;Parent=geneA
Contig01 PFAM exon 700 750 . + 2 ID=exonA2;Parent=geneA
GTF
當前所廣泛使用的GTF格式為第二版(GTF2)，它主要是用來描述基因的注釋。GTF格式有兩個硬性標准：
- 根據所使用的軟件的不同，
feature types是必須注明的。 - 第9列必須以
gene_id以及transcript_id開頭
GTF文件的第9列同GFF文件不同，雖然同樣是標簽與值配對的情況，但標簽與值之間以空格分開，且每個特征之后都要有分號;（包括最后一個特征）：
gene_id "geneA";transcript_id "geneA.1";database_id "0012";modified_by "Damian";duplicates 0;兩種文件的差異比較
| 列 | GTF2 | GFF3 |
|---|---|---|
| reference sequence name | same | same |
| annotation source | same | same |
| feature type | feature requirements depend on software | can be anything |
| start coordinate | same | same |
| 5. end coordinate | same | same |
| score | not used | optional |
| strand | same | same |
| frame | same | same |
| attributes | 空格分隔 | =分隔 |
兩種文件格式之間的轉換
偷個懶，直接使用Cufflinks里面的工具gffread
#gff2gtf gffread my.gff3 -T -o my.gtf #gtf2gff gffread merged.gtf -o- > merged.gff3作者：西瓜要吃我
鏈接：https://www.jianshu.com/p/48b5a0972301
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯系作者獲得授權並注明出處。