两分钟看懂基因组注释GFF文件

随着大数据时代的到来，很多生物科研工作者都接触了基因组相关实验。在做数据分析的时候，会用到一个很重要的文件，就是基因组的注释文件，也就是今天分享内容的主角GFF文件！

什么是GFF文件

GFF格式是Sanger研究所定义，是一种简单的、方便的对于DNA、RNA以及蛋白质序列的特征进行描述的一种数据格式，比如序列的哪里到哪里是基因。GFF格式已经成为序列注释的通用格式。

GFF文件包含了那些信息？

GFF文件由tab键隔开的9列组成，每一列代表不同的信息，下面是各列的说明：

第一列：参考序列，是chromosome or scaffold的编号

第二列：注释信息的来源，一般为数据库例或者注释的机构，如果未知，用“."代替

第三列：注释信息的类型，比如gene、mRNA、exon、CDS、UTR等

第四列：第三列的注释类型在参考序列上的起始位置

第五列：第三列的注释类型在参考序列上的终止位置

第六列：得分，是注释信息可能性的说明，可以是序列相似性比对时的E-values值或者基因预测是的P-values值，“.”表示为空

第七列：该基因或转录本位于参考序列的正链(+)或负链(-)上

第八列：这列注释信息仅对第三列为“CDS"的类型有效，表示起始编码的位置，有效值为0、1、2，0表示该编码框的第一个密码子第一个碱基位于其5'末端；1表示该编码框的第一个密码子的第一个碱基位于该编码区外；2表示该编码框的第一个密码子的第一、二个碱基位于该编码区外

第九列：包含众多注释信息，以多个键值对组成的注释信息描述，不同属性之间以分号相隔，信息比较多我们一一解释：

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

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

Note--备注

Dbxref--数据库索引

以上就是基因组注释文件GFF所包含内容的一个详细的说明，看过之后有没有豁然开朗呢？

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课，学习链接：linux系统使用、perl入门到精通、perl语言高级、R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章，学习链接：TCGA-差异基因分析、GEO芯片数据挖掘、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他课程链接：二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读。