SuperAPI AI 工具集

bio-genome-intervals-gtf-gff-handling

通用与其它

查看项目

更新于 10-16 05:49

技能介绍

用途:处理 GTF 与 GFF3 两类标准基因注释格式,两者坐标均为 1-based 且含端点。GTF 层级由 gene_id、transcript_id 隐式表达,属性写法为 key "value";;GFF3 层级由 Parent 属性显式表达,属性写法为 key=value;,并支持 ##FASTA 指令。

主要能力:用 gtfparse 读取 GTF 为表格,按 feature 类型筛选 gene、transcript、exon,按 gene_name 查基因,导出基因坐标并转 BED(GTF 为 1-based,BED 为 0-based,需 start 减 1)。用 gffutils 建库后查询特征类型与数量、按 ID 取基因、取子特征(转录本、外显子),并用 interfeatures 由外显子得到内含子。用 gffread 在 GTF 与 GFF3 间转换、抽取转录本/CDS/蛋白序列、过滤编码基因。用 awk 与 bedtools 抽取 TSS、启动子区、基因体与外显子。

使用方式:pip install gtfparse;pip install gffutils;conda install -c bioconda gffread。典型命令:gffread annotation.gtf -o annotation.gff3;gffread annotation.gff3 -T -o annotation.gtf;gffread -w transcripts.fa -g genome.fa annotation.gtf;gffread -E annotation.gtf 校验。

适用场景:基因、转录本、外显子坐标提取,格式互转,序列抽取,启动子与基因体区间准备,下游区间重叠与邻近分析。

限制:gtfparse 会将全部内容载入内存,超大文件宜改用 gffutils 数据库方式或仅加载指定 feature;gffutils 首次建库较慢,之后查询快;前述细节之外的价格、平台与效果资料暂未提供。