一个物种的基因组测序完成后，需要对数据进行解释。 首先，必须找到这些序列中的转录起始位点，以及染色体中基因、外显子、内含子等成分的位置信息（这第一个过程是基因注释），然后才能进行深入分析。 GFF/GTF 是用于存储这些注释信息的两种文件格式。 单击以了解有关 GFF 和 GTF 格式的更多信息。

GFF ( ) 是用于描述基因组特征的文件。 除 GFF1 外的 GFF 文件均由 9 列数据组成。 GFF的三个版本中前8列信息是相同的，但名称不同。 第9栏 内容具有很大的版本特异性。 我们现在使用的大部分内容是第三版本（GFF3）。 以下描述基于GFF3。 。

GTF（Gene）主要用来注释基因，比如基因在染色体上的位置（）等这个区间的信息。 目前广泛使用的 GTF 格式是版本 2（GTF2）。 以下均基于GTF2描述。

两者的关系如下：

GTF（基因）对应于 GFF ( ) 2。

GTF 与 GFF3 非常相似。 它还具有 9 列内容。 两者的前八列内容相同，但最后一列的信息不一致。

GTF2 文件的类型必须指定，而 GFF3 文件的名称可以是任意名称。

GTF2文件的键和值用空格分隔，而GFF3文件的键和值用等号分隔。

使用里面的工具可以实现GFF3和GTF2之间的转换（后面会有专栏）。

1.GFF文件格式：

GFF3 允许使用# 作为注释符号。 除去评论，主体部分共有9栏。

GFF3中各列的含义：

GFF 文件示例（注释来源未知，替换为 .）

seqid - 或 的名称； 名称可以用 或 'chr' 给出。 注意：seq ID 必须是一个使用过的 ，即名称或诸如 ID 之类的任何名称，例如 或 。 请参阅下面的 GFF。 （id，通常是字符或数字）

- this 的名称，或数据（或名称）（注释的来源，如果未知，请使用 . 代替）

类型 - 的类型。 必须是术语或来自 SOFA（注释信息类型，例如 Gene、cDNA、mRNA、CDS 等）

start - 的开始，从 1 开始。

end - 的结尾，位于 1。

分数 - 分值。 （序列相似性比对中的E值或基因预测中的P值，“.”表示空）

- 作为 + () 或 - ()。（有义链和反义链）

阶段 - “0”、“1”或“2”之一。 “0”表示该碱基是密码子的第一个碱基，“1”表示该碱基是密码子的第一个碱基，依此类推。 （该值在CDS类型中指出，该值为CDS的起始位置，除以3得到的余数）

- 标签值对列表，关于每个 . 其中一些标签是，例如 ID、名称、别名 - 请参阅 GFF 了解更多信息。 （由多个键值对组成的注释信息的描述，键与值之间使用“=”，空格之间使用“;）针对不同的键值。

2.GTF文件格式：

GTF2 文件也由 9 列组成。

GTF2中各列的含义：

GTF 文件示例

- 序列的名称。 通常的格式是染色体ID或ID。

-注释的来源。 通常是预测软件名称或公共数据库。

start - 起始位置，从 1 开始计数。

end - 结束位置。

- 遗传结构。 CDS，是必须包含的类型。

分数——该列的值表示该类型及其坐标存在的可信度。 不是必须的，可以用点“.”代替。

- 链条的正向和负向分别用加号+和减号-表示。

帧 - 密码子偏移量，可以是 0、1 或 2。

- 必须具有以下两个值：

价值; 代表基因组上转录本基因座的唯一 ID。 用空格分隔值。 如果该值为空，则表示没有对应的基因。

价值; 预测转录本的唯一 ID。 用空格分隔值。 空表示没有文字记录。