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，比如序列的那里到那里是基因，已经成为序列注释的通用格式，比如基因组的基因预测，许多软件都支持输入或者输出gff格式。目前格式定义的最新版本是版本3。gff是纯文本文件，由tab键隔开的9列组成，以下是各列的说明：
表1. GFF文件各列含义及说明
| 各列 | 名称 | 含义 |
|---|---|---|
| 列1 | seqid | 序列的编号，编号的有效字符[a-zA-Z0-9.:^*$@!+_?-] |
| 列2 | source | 注释信息的来源，比如”Genescan”、”Genbank”等，可以为空，为空用”.”点号代替 |
| 列3 | type | 注释信息的类型，比如Gene、cDNA、mRNA等，或者是SO对应的编号 |
| 列4 | start | 序列开始位置 |
| 列5 | end | 序列结束位置 |
| 列6 | score | 得分，数字，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。 |
| 列7 | strand | 序列的方向， +表示正义链, -反义链 , ? 表示未知. |
| 列8 | phase | 仅对注释类型为 “CDS”有效，表示起始编码的位置，有效值为0、1、2。 |
| 列9 | attributes | 以多个键值对组成的注释信息描述，键与值之间用”=“，不同的键值用”;“隔开，一个键可以有多个值，不同值用”,“分割。注意如果描述中包括tab键以及”,=;”，要用URL转义规则进行转义，如tab键用 %09代替。键是区分大小写的，以大写字母开头的键是预先定义好的，在后面可能被其他注释信息所调用。 |
表2. 属性attributes列中各注释信息键值名称及含义
| 键值 | 含义 |
|---|---|
| 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 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。值可以为多个。 |
| Target Indicates | 核酸或蛋白比对的目标位置 |
| Gap | The alignment of the feature to the target if the two are not collinear (e.g. contain gaps). |
| Derives_from | Used to disambiguate the relationship between one feature and another when the relationship is a temporal one rather than a purely structural “part of” one. This is needed for polycistronic genes. |
| Note | 备注 |
| Dbxref | 数据库索引 |
| Ontology_term | A cross reference to an ontology term. |
GFF文件模板
SEQ1 EMBL atg 103 105 . + 0
SEQ1 EMBL exon 103 172 . + 0
SEQ1 EMBL splice5 172 173 . + .
SEQ1 gene splice5 172 173 0.94 + .
SEQ1 genie sp5-20 163 182 2.3 + .
SEQ1 genie sp5-10 168 177 2.1 + .
SEQ2 grail ATG 17 19 2.1 - 0