轉(zhuǎn)載：https://biozx.top/gtf.html
參考
UCSC GTF format
https://blog.csdn.net/sinat_38163598/article/details/72851239
簡介
GFF和GTF是兩種最常用的基因組注釋格式袖肥，在信息分析中建庫時除了需要fasta文件一般還會需要這兩種文件砌庄，提取需要的信息進行注釋掖疮。
GTF是GFF2的擴展存璃。前八個GTF字段與GFF相同，但是GTF還包含可選字段: 5UTR, 3UTR, inter, inter_CNS, and intron_CNS革答。
前八個字段：
-
seq_id：序列的編號蠢络，一般為chr或者scanfold編號弹砚； -
source: 注釋的來源，一般為數(shù)據(jù)庫或者注釋的機構(gòu)向图，如果未知泳秀，則用點“.”代替； -
type: 注釋信息的類型榄攀，比如Gene嗜傅、cDNA、mRNA檩赢、CDS等 -
start:該基因或轉(zhuǎn)錄本在參考序列上的起始位置吕嘀； -
end: 該基因或轉(zhuǎn)錄本在參考序列上的終止位置； -
score: 得分贞瞒，數(shù)字偶房，是注釋信息可能性的說明，可以是序列相似性比對時的E-values值或者基因預(yù)測是的P-values值憔狞，“.”表示為空蝴悉； -
strand: 該基因或轉(zhuǎn)錄本位于參考序列的正鏈(+)或負鏈(-)上; -
phase: 僅對注釋類型為“CDS”有效，表示起始編碼的位置瘾敢，有效值為0拍冠、1、2(對于編碼蛋白質(zhì)的CDS來說簇抵，本列指定下一個密碼子開始的位置庆杜。每3個核苷酸翻譯一個氨基酸，從0開始碟摆，CDS的起始位置晃财，除以3，余數(shù)就是這個值典蜕，断盛，表示到達下一個密碼子需要跳過的堿基個數(shù)。該編碼區(qū)第一個密碼子的位置愉舔，取值0,1,2钢猛。0表示該編碼框的第一個密碼子第一個堿基位于其5'末端；1表示該編碼框的第一個密碼子的第一個堿基位于該編碼區(qū)外轩缤；2表示該編碼框的第一個密碼子的第一命迈、二個堿基位于該編碼區(qū)外贩绕；如果Feature為CDS時，必須指明具體值壶愤。)
例子：
browser position chr22:10000000-10025000
browser hide all
track name=regulatory description="TeleGene(tm) Regulatory Regions" visibility=2
chr22 TeleGene enhancer 10000000 10001000 500 + . touch1
chr22 TeleGene promoter 10010000 10010100 900 + . touch1
chr22 TeleGene promoter 10020000 10025000 800 - . touch2
什么時候用到GTF文件
Cufflinks/Tophat 軟件需要 GTF文件作為基因注釋文件淑倾。
與GFF比較
GFF全稱為general feature format，這種格式主要是用來注釋基因組征椒。
GTF全稱為gene transfer format娇哆，主要是用來對基因進行注釋。
目前兩種文件可以方便的相互轉(zhuǎn)化陕靠，比如:使用Cufflinks軟件的 的gffread迂尝。
GTF文件下載
以gencode最為權(quán)威，Ensemble剪芥、NCBI 垄开、UCSC也有提供下載。
genecode的FTP：ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/
gencode官網(wǎng)的統(tǒng)計信息
#下載release_24所有的gtf文件
wget -c -r -np -nd -k -L -A “*gtf.gz” ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_24/
