本文目录一览：
GTF与GFF文件格式的区别与转换
GTF与GFF文件都是用于存储注释信息的文本类型，经常可以看到二者格式之间的相互转换。二者的名字相似，连内容都极为相似，那么二者的差异究竟在哪里呢？
GFF文件是一种用来描述基因组特征的文件，现在我们所使用的大部分都是第三版）（GFF3）。gff文件除gff1以外均由9列数据组成，前8列在gff的3个版本中信息都是相同的，只是名称不同。
第9列attributes的内容存在很大的版本特异性，9列信息（以gff3为例）分别是：
GFF允许使用#作为注释符号，例如很多GFF文件都会使用如下的两行来表明其版本其创建日期：
GFF文件每一列所代表的含义前面表格中有，但请注意，它的第3列 feature type 是不受约束的，你可以使用任意的名称，但也不要太淘气~用一些适当的名称对于后面的分析会有很大的帮助。
我们需要注意的是GFF文件的第9列，从第二版开始(GFF2)，所有的属性都以 标签=值 的方式呈现，各个属性之间以 ; 作为分隔符
在最新版本的GFF文件中(GFF3)，有一些是已经预先定义的属性特征，并且这些特征往往还有特殊的含义：ID这个标签实在各行都要有的；另外有一个Parent的属性，它指明type所从属的上一级ID。
当前所广泛使用的GTF格式为第二版(GTF2)，它主要是用来描述基因的注释。GTF格式有两个硬性标准：
gtf2的内容和gff3也是很相似的，区别只在其中的3列:
使用Cufflinks里面的工具"gffread":
脚本运行
GTF与GFF
一、格式介绍
（一）gtf 文件。GTF 为General Transfer Format缩写，跟 GFF2格式类似。相信大家做转录组分析时候经常会看到Cufflinks或者Stringtie软件对转录组进行定量与组装会时产生一个gtf文件，里面包含的信息如下：-gtf文件转gff
每列信息的含义如下：
seqname - 序列的ID，可以是染色体的ID也可以是Scaffold或者Contig的ID。
source - 产生此文件的软件，如Stringtie产生的则为Stringtie，CUfflinks产生的则为Cufflinks，不知道的使用点 “.” 表示。
feature - 后面start和end之间区域代表的特征，如果此区域是基因，则此处为gene，如果是外显子，则为exon，如果是转录本，则为transcript，如果是非编码RNA则为lncRNA，如果是重复序列，则为TE，等等，主要表明这一块区域的特征。-gtf文件转gff
start -上述feature的在序列上的起始位置。
end - 上述feature的在序列上的终止位置。
score - 一个浮点数值，也可以为点 “.” 。有值的时候代表上述feature的可靠
性。因为无论是gene还是mRNA，都是基于预测差生的，因而必然会有一个值来衡量预测准确性。
strand - + (forward)或者 - (reverse)，代表上述feature是位于正链还是负链上。
frame - 内含子相位，只能为'0', '1' or '2'，或者为点 “.”。 '0' 代表feature起始碱基为三联体密码子的第一个碱基, '1' 代表三联体密码子的第2个碱基, 2代表第3个碱基。-gtf文件转gff
attribute -备注列。主要备注该feature的一些信息，常见的是gene或者transcript等的ID信息以及FPKM值等，多个备注信息之间通常用分号分隔。
（二）gff 格式。为general feature format缩写，目前采用的是version 3，即我们常说的gff3文件。该文件常用来对基因组进行注释，表示基因，外显子，CDS，UTR等在基因组上的位置。众多基因预测软件如Glean，EVM，AUGUSTUS等会产生此格式文件。-gtf文件转gff
与gtf文件不同之处只是在第9列。此列格式为“标签＝值”（tag=value），标签与值之间用“=”，不同的标签之间用“；”隔开，一个标签可以有多个值，不同值用“,”分割。
二、gtf与gff转换以及对GFF文件进行过滤。
常采用的软件是gffread，为Cufflinks自带的一个程序，他不仅可以实现GTF与GFF的互相转换，而且还可以对GFF文件进行过滤处理。以下是gffread的帮助信息：
Usage:
gffread input_gff [-g genomic_seqs_fasta | dir][-s seq_info.fsize]
[-o outfile.gff] [-t tname] [-r [[strand]chr:]start..end [-R]]
[-CTVNJMKQAFGUBHZWTOLE] [-w exons.fa] [-x cds.fa] [-y tr_cds.fa]
[-i maxintron]
input_gffmatch为一个GFF/GTF文件，必填的一个文件
常用参数介绍：
-g 序列文件，即GFF/GTF文件第一列ID对应的序列文件。
-i 丢弃掉内含子大于的转录本（mRNA/transcript）
-r 起始和终止位置，填写示例100.10000即为输出与100到10000有重叠的所有转录组，也可以限制序列ID及链，填写示例：+Chr1:100..10000。
-R 丢弃掉此范围的转录本，与-r相反。
-U 丢弃掉 single-exon的转录本
-C 丢低调无CDS的转录本。
-V 丢弃掉含有移码突变的转录本。
-H 如果使用了-V，则重新检查并调整内含子相位，避免由于翻译起始位点选择的位置不对导致移码突变的产生。
-B 如果使用了-V， 对于单外显子基因，则重新检查相反的链，是否存在移码突变。
-N 丢弃掉多外显子基因剪接位点不是常见的 GT-AG, GC-AG or AT-AC序列。
-J 丢弃掉没有起始密码子或者终止密码子的转录本，仅保留有完整编码框的转录本。
--no-pseudo:过滤掉含有 'pseudo' 的注释信息
-M/--merge : 合并完全相同的或者存在包含关系的转录本。
-d:使用 -M ，将合并信息输出到文件中
--cluster-only: 类似于 --merge 但是不合并转录本
-K 对于-M 选项：also collapse shorter, fully contained transcripts
with fewer introns than the container
-Q 对于-M 选项：移除包含关系的转录本的限制条件：多外显子转录本将会合并，如果他们内含子位置完全一样，单外显子转录本只需要有80%一样即可合并。
--force-exons: 使GFF features的最小层级为exon
-E 对于重复的 ID或者 GFF/GTF 其他潜在的格式问题给出警告信息。
-Z 将内含子小于4 bp的邻近的两个外显子合并为一个。
-w 输出每个转录本的外显子序列
-x 输出CDS序列
-W 对于 -w 和 -x 选项，输出外显子位置坐标到FASTA序列的ID中
-y 输出蛋白质序列
-L 将Ensembl GTF 转换为 GFF3 conversion (implies -F; should be used with -m)
-o 输出"filtered" 后的GFF文件 。
-T -o 参数将输出 GTF格式。
示例命令：
1.GFF转换GTF
gffread input.gff3 -T -o out.gtf‘
2.GTF转换GFF3
gffread input.gtf -o out.gff3
3.根据GFF或者GTF提取蛋白质，CDS和外显子序列
gffread gene.gff3 -g genome.fa -x cds.fa -y pep.fa -w cdna.fa
三、GFF文件比较
主要采用gffcompare（），其主要具有三个功能：1）评估Cufflinks/Stringtie等转录本组装软件的准确性；2）合并多个GFF/GTF中重叠的部分（多个样本组装结果的合并）3）可以对一个或多个GTF/GFF文件的注释相对于参考的GTF/GFF文件进行分类（with "class codes" assigned to transcripts as per their relationship with the matching/overlapping reference transcript），如Pacbio预测的GTF与参考GFF比较，修正和评估参考的注释结果。-gtf文件转gff
Usage:
gffcompare [-r reference_mrna.gtf [-R]] [-G] [-T] [-V] [-s seq_path]
[-o outprefix] [-p cprefix]
{-i input_gtf_list | input1.gtf [input2.gtf .. inputN.gtf]}
常用参数介绍：
-i 多个GTF 文件时，使用此选项较方便，将多个GTF文件写在一个文件中，通过此选项传入即可。
-r 参考的 GTF/GFF文件
-R 针对的是-r参数，仅考虑参考与任何输入的注释文件有重叠的 。
-Q 针对的是-r参数，仅考虑输入的注释文件与任何参考有重叠的 。 (警告，这将丢弃所有的新的注释位点）
-M 丢弃（忽略）掉输入的注释文件和参考注释文件中单外显子转录本
-N 丢弃（忽略）掉参考注释文件中单外显子转录本
-s 基因组序列文件
-e 当评估外显子准确性时，离参考末端外显子最远的距离（默认100）
-d 转录本聚类时起始位点相差的最大距离 (默认100)
-C 在.combined.gtf文件中包含 "contained" 类型的转录本
-F 如果仅是3’端不同，则不丢弃输入的GTF文件中被参考包含的冗余的转录本注释信息。
-G 不丢弃输入的GTF文件中被参考包含的冗余的转录本注释信息，主要是鉴于可变剪接。
-T 对于每一个输入文件不产生 .tmap 和 .refmap文件
-V 给出 GFF 解析时的警告信息
参考命令：
gffcompare -r refChr.gff3 -R -G -o combine input.gtf
输出结果中有以下几个文件：
combine.combined.gtf
combine.loci
combine.stats
combine.tracking
其中在combine.combined.gtf中有一个class_code 代表输入的注释文件与参考注释文件相似性信息，具体如下：
#Transfrag class codes
PriorityCodeDescription
1=Complete match of intron chain
2cContained
3jPotentially novel isoform (fragment): at least one splice junction is shared with a reference transcript-gtf文件转gff
4eSingle exon transfrag overlapping a reference exon and at least 10 bp of a reference intron, indicating a possible pre-mRNA fragment.-gtf文件转gff
5iA transfrag falling entirely within a reference intron
6oGeneric exonic overlap with a reference transcript
7pPossible polymerase run-on fragment (within 2Kbases of a reference transcript)
8rRepeat. Currently determined by looking at the soft-masked reference sequence and applied to transcripts where at least 50% of the bases are lower case-gtf文件转gff
9uUnknown, intergenic transcript
10xExonic overlap with reference on the opposite strand
11sAn intron of the transfrag overlaps a reference intron on the opposite strand (likely due to read mapping errors)-gtf文件转gff
12.(.tracking file only, indicates multiple classifications)
由于输出文件几乎跟cuffcompare格式几乎是一样的，
更详细输出介绍参见。
转自：
基因组注释文件（二）| gff 和 gtf文件格式说明
GFF和GTF是两种最常用的基因组注释格式，在信息分析中建库时除了需要fasta文件一般还会需要这两种文件，提取需要的信息进行注释。
GFF(General Feature Format)是一种用来描述基因组特征的文件，现在我们所使用的大部分都是第三版（gff3）。
gff文件除gff1以外均由9列数据组成，前8列在gff的3个版本中信息都是相同的，只是名称不同：
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：
在GFF文件的开头，可以有#开头的注释行,示例如下
对于不同的基因组特征，其属性不同。
染色体是基础，后续的基因，exon等都是需要定位在染色体上的。
假基因示例如下
tRNA基因示例如下
miRNA基因示例如下
一个miRNA基因的最终会形成两个成熟的miRNA。
lncRNA基因示例如下
需要注意是，由于可变剪切的存在，一个蛋白编码基因可能会有多个转录本。
查看第9列有哪些注释信息：
gtf全称为gene transfer format，主要是用来对基因进行注释，当前所广泛使用的gtf格式为第二版（gtf2）。以下均基于gtf2叙述。
gtf同gff3很相似，也是9列内容，其内容如下：
例子：
GFF 全称为general feature format，这种格式主要是用来 注释基因组 。
GTF 全称为gene transfer format，主要是用来对 基因 进行注释。
GTF 的第九列，通常为：
而 GFF 的第九列，通常为：
目前两种文件可以方便的 相互转化 :使用 gffread
UCSC GTF format
山羊转录组GFF文件与GTF格式转换
1.1 GFF文件来源
1.1 GTF文件来源
2.1 GFF文件格式
2.2 GTF文件格式
3.1 R包rtracklayer转换
3.1.1 安装rtracklayer包
3.1.2 导入包完成转换
3.1 cufflinks转换
3.1.1 cufflinks安装
3.1.2 GTF与GFF文件之间的相互转换
