GFF3 处理 GFF 注释文件

Original JunJunLab 老俊俊的生信笔记 2022-08-17

收录于合集 #Julia学习笔记 14个

不玩手机的奶奶坐在余晖里,好像在想什么

1引言

Julia 里面有个 GFF 包用来处理 GFF 注释文件。

地址:

https://biojulia.net/GenomicFeatures.jl/v0.1/io/gff3/

主要有三种类型:

Reader type: GFF3.Reader
Writer type: GFF3.Writer
Element type: GFF3.Record

2安装

打开 julia 终端,输入 ] 进入 PKG 模式:

add GFF

3介绍

for 循环读取 GFF 注释文件:

# Import the GFF3 module.
using GenomicFeatures

# Open a GFF3 file.
reader = open(GFF3.Reader, "data.gff3")

# Iterate over records.
for record in reader
    # 获取染色体名称
    seqid = GFF3.seqid(reader)
    # ...
end

# Finally, close the reader
close(reader)

更加节省内存的读取方式:

# Import the GFF3 module.
using GFF3

# Open a GFF3 file.
reader = open(GFF3.Reader, "data.gff3")

# Pre-allocate record.
record = GFF3.Record()

# Iterate over records.
while !eof(reader)
    empty!(record)
    read!(reader, record)
    # do something
end

# Finally, close the reader.
close(reader)

使用 skip_directives=false 可以跳过 # 开头的注释信息:

# Set skip_directives to true (this is set to false by default).
reader = GFF3.Reader(open("data.gff3"), skip_directives=false)
for record in record
    # Branch by record type.
    if GFF3.isfeature(record)
        # ...
    elseif GFF3.isdirective(record)
        # ...
    else
        # This never happens.
        assert(false)
    end
end
close(reader)

GFF3.Reader 的参数:

GFF3.Reader(input::IO;
            save_directives::Bool=false,
            skip_features::Bool=false,
            skip_directives::Bool=true,
            skip_comments::Bool=true)

可获取的函数,分别对应 GFF 的 9 列信息:

# 染色体名称
seqid(record::Record)::String
# 来源
source(record::Record)::String
# 类型,exon,cds,mRNA等
featuretype(record::Record)::String
# 起始位置
seqstart(record::Record)::Int
# 终止位置
seqend(record::Record)::Int
# 得分
score(record::Record)::Float64
# 链
strand(record::Record)::GenomicFeatures.Strand
# 蛋白编码的密码子信息
phase(record::Record)::Int
# gff最后一列基因属性信息
attributes(record::Record)::Vector{Pair{String,Vector{String}}}