（壹）gtf 文件。GTF 為General Transfer Format縮寫，跟 GFF2格式類似。相信大家做轉錄組分析時候經常會看到Cufflinks或者Stringtie軟件對轉錄組進行定量與組裝會時產生壹個gtf文件，裏面包含的信息如下：
每列信息的含義如下：
seqname ?- 序列的ID，可以是染色體的ID也可以是Scaffold或者Contig的ID。
source ?- 產生此文件的軟件，如Stringtie產生的則為Stringtie，CUfflinks產生的則為Cufflinks，不知道的使用點 “.” 表示。
feature ?- 後面start和end之間區域代表的特征，如果此區域是基因，則此處為gene，如果是外顯子，則為exon，如果是轉錄本，則為transcript，如果是非編碼RNA則為lncRNA，如果是重復序列，則為TE，等等，主要表明這壹塊區域的特征。
start ?-上述feature的在序列上的起始位置。
end ?- 上述feature的在序列上的終止位置。
score ?- 壹個浮點數值，也可以為點 “.” 。有值的時候代表上述feature的可靠
性。因為無論是gene還是mRNA，都是基於預測差生的，因而必然會有壹個值來衡量預測準確性。
strand ?- + (forward)或者 - (reverse)，代表上述feature是位於正鏈還是負鏈上。
frame ?- 內含子相位，只能為'0', '1' or '2'，或者為點 “.”。 '0' 代表feature起始堿基為三聯體密碼子的第壹個堿基, '1' 代表三聯體密碼子的第2個堿基, 2代表第3個堿基。
attribute ?-備註列。主要備註該feature的壹些信息，常見的是gene或者transcript等的ID信息以及FPKM值等，多個備註信息之間通常用分號分隔。
（二）gff 格式。為general feature format縮寫，目前采用的是version 3，即我們常說的gff3文件。該文件常用來對基因組進行註釋，表示基因，外顯子，CDS，UTR等在基因組上的位置。眾多基因預測軟件如Glean，EVM，AUGUSTUS等會產生此格式文件。
與gtf文件不同之處只是在第9列。此列格式為“標簽＝值”（tag=value），標簽與值之間用“=”，不同的標簽之間用“；”隔開，壹個標簽可以有多個值，不同值用“,”分割。
二、gtf與gff轉換以及對GFF文件進行過濾。
常采用的軟件是gffread，為Cufflinks自帶的壹個程序，他不僅可以實現GTF與GFF的互相轉換，而且還可以對GFF文件進行過濾處理。以下是gffread的幫助信息：
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>為壹個GFF/GTF文件，必填的壹個文件
常用參數介紹：
?-g ?序列文件，即GFF/GTF文件第壹列ID對應的序列文件。
?-i ?丟棄掉內含子大於的轉錄本（mRNA/transcript）
?-r ?起始和終止位置，填寫示例100.10000即為輸出與100到10000有重疊的所有轉錄組，也可以限制序列ID及鏈，填寫示例：+Chr1:100..10000。
?-R ?丟棄掉此範圍的轉錄本，與-r相反。
?-U ?丟棄掉 single-exon的轉錄本
?-C ?丟低調無CDS的轉錄本。
?-V ?丟棄掉含有移碼突變的轉錄本。
?-H ?如果使用了-V，則重新檢查並調整內含子相位，避免由於翻譯起始位點選擇的位置不對導致移碼突變的產生。
?-B 如果使用了-V， 對於單外顯子基因，則重新檢查相反的鏈，是否存在移碼突變。
?-N ?丟棄掉多外顯子基因剪接位點不是常見的 GT-AG, GC-AG or AT-AC序列。
?-J ?丟棄掉沒有起始密碼子或者終止密碼子的轉錄本，僅保留有完整編碼框的轉錄本。
?--no-pseudo:過濾掉含有 'pseudo' 的註釋信息
?-M/--merge : 合並完全相同的或者存在包含關系的轉錄本。
-d:使用 -M ，將合並信息輸出到文件中
?--cluster-only: 類似於 --merge 但是不合並轉錄本
-K ?對於-M 選項：also collapse shorter, fully contained transcripts
? with fewer introns than the container
-Q?對於-M 選項：移除包含關系的轉錄本的限制條件：多外顯子轉錄本將會合並，如果他們內含子位置完全壹樣，單外顯子轉錄本只需要有80%壹樣即可合並。
?--force-exons: ?使GFF features的最小層級為exon
?-E 對於重復的 ID或者?GFF/GTF 其他潛在的格式問題給出警告信息。
-Z ?將內含子小於4 bp的鄰近的兩個外顯子合並為壹個。
?-w ?輸出每個轉錄本的外顯子序列
?-x ?輸出CDS序列
?-W ?對於 -w 和 -x 選項，輸出外顯子位置坐標到FASTA序列的ID中
?-y ?輸出蛋白質序列
?-L ?將Ensembl GTF 轉換為 GFF3 conversion (implies -F; should be used with -m)
?-o ? 輸出"filtered" 後的GFF文件 。
-T ?-o 參數將輸出 GTF格式。
示例命令：
1.GFF轉換GTF
gffread input.gff3 -T -o out.gtf‘
2.GTF轉換GFF3
gffread input.gtf -o out.gff3
3.根據GFF或者GTF提取蛋白質，CDS和外顯子序列
gffread gene.gff3 -g genome.fa -x cds.fa -y pep.fa -w cdna.fa
三、GFF文件比較
主要采用gffcompare（/gpertea/gffcompare），其主要具有三個功能：1）評估Cufflinks/Stringtie等轉錄本組裝軟件的準確性；2）合並多個GFF/GTF中重疊的部分（多個樣本組裝結果的合並）3）可以對壹個或多個GTF/GFF文件的註釋相對於參考的GTF/GFF文件進行分類（with "class codes" assigned to transcripts as per their relationship with the matching/overlapping reference transcript），如Pacbio預測的GTF與參考GFF比較，修正和評估參考的註釋結果。
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>]}
常用參數介紹：
-i ?多個GTF 文件時，使用此選項較方便，將多個GTF文件寫在壹個文件中，通過此選項傳入即可。
-r 參考的 GTF/GFF文件
-R ?針對的是-r參數，僅考慮參考與任何輸入的註釋文件有重疊的 。
-Q 針對的是-r參數，僅考慮輸入的註釋文件與任何參考有重疊的 。 (警告，這將丟棄所有的新的註釋位點）
-M 丟棄（忽略）掉輸入的註釋文件和參考註釋文件中單外顯子轉錄本
-N 丟棄（忽略）掉參考註釋文件中單外顯子轉錄本
-s 基因組序列文件
-e 當評估外顯子準確性時，離參考末端外顯子最遠的距離（默認100）
-d 轉錄本聚類時起始位點相差的最大距離 (默認100)
-C ?在.combined.gtf文件中包含 "contained" 類型的轉錄本
-F 如果僅是3’端不同，則不丟棄輸入的GTF文件中被參考包含的冗余的轉錄本註釋信息。
-G 不丟棄輸入的GTF文件中被參考包含的冗余的轉錄本註釋信息，主要是鑒於可變剪接。
-T 對於每壹個輸入文件不產生 .tmap 和 .refmap文件
-V 給出 GFF 解析時的警告信息
參考命令：
gffcompare ?-r refChr.gff3 ?-R -G -o combine input.gtf
輸出結果中有以下幾個文件：
combine.combined.gtf
combine.loci
combine.stats
combine.tracking
其中在combine.combined.gtf中有壹個class_code 代表輸入的註釋文件與參考註釋文件相似性信息，具體如下：
#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
4eSingle exon transfrag overlapping a reference exon and at least 10 bp of a reference intron, indicating a possible pre-mRNA fragment.
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
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)
12.(.tracking file only, indicates multiple classifications)
由於輸出文件幾乎跟cuffcompare格式幾乎是壹樣的，
更詳細輸出介紹參見pare/。
轉自：/wuliuxinwen/2/33709819.htm