Chr Exon Intron Gene 5UTR 3UTR CDS GFFgeneral

基因注释文件 Chr Exon Intron Gene 5’UTR 3’UTR CDS • 基因注释文件（GFF格式，general feature format） 1 2 reference Chr 1 3 5 6 7 8 9 annotation feature type start source end score strand frame attributes maker 1095 . + . exon 4 1000

作业 – 下载基因组 • 文献阅读 （https: //plabipd. de/timeline_view. ep） • 在线数据库 • http: //www. tripal. info/sites_using_tripal • https: //phytozome. jgi. doe. gov/pz/portal. html • http: //plants. ensembl. org/index. html • 其它数据库，例如NCBI，Giga. DB等

作业 – 下载基因组 • FASTA文件，GFF文件格式说明 • 基因组，基因注释，m. RNA，蛋白序列 • 数据库演示 • http: //www. tripal. info/sites_using_tripal • https: //phytozome. jgi. doe. gov/pz/portal. html • http: //plants. ensembl. org/index. html

作业 – 统计Feature数量 什么是Feature -- a piece of a sequence http: //gmod. org/wiki/Chado_Sequence_Module#Features 基因注释文件中Feature信息 1 2 reference Chr 1 3 5 6 7 8 9 annotation feature type start source end score strand frame attributes maker 1095 . + . exon 4 1000 统计Feature数量 cut -f 3 input. gff 3 | grep –v -P “^#” | sort | uniq –c

作业 – 获取m. RNA及蛋白序列 1 GFF格式转换为GTF $gffread -T -o output. gtf input. gff $cut –f 3 output. gtf | sort | uniq -c 2 提取m. RNA序列 $gffread -w m. RNA. fa -g genome. fa input. gtf 3 提取蛋白序列 $gffread -y protein. fa -g genome. fa input. gtf

作业 – 作业报告 1 文件名：genome. yaml Genus: Malus Species: Domestica URL: ftp: //ftp. bioinfo. wsu. edu/species/Malus_x_domestica/ Malus_x_domestica-genome_GDDH 13_v 1. 1 Pub: https: //www. nature. com/articles/ng. 3886 gene: 52741 m. RNA: 45116 nc. RNA: 7625 Exon: 234986 CDS: 215867 five_prime_UTR: 38129 three_prime_UTR: 36043 SNum: 2018 NNNNNN Name: Zhang San

作业 – 数据整理 1 建立目录，将所有文件放入该目录 genus_species_cultivar_version 2 利用软连接对文件进行统一命名 $ln $ln –s –s original_genome_name. fa genome. fa original_m. RNA. fa original_protein. fa original_genes. gff gene_models. gff

处理基因注释文件 Chr Exon Intron Gene 5’UTR 3’UTR CDS • 基因注释文件（GFF格式，general feature format） 1 2 reference Chr 1 3 5 6 7 8 9 annotation feature type start source end score strand frame attributes maker 1095 . + . exon 4 1000

处理基因注释文件 • 基因注释文件（GFF格式，general feature format） 1 2 3 reference sequence name annotation feature source type 4 5 6 start end score coordinate 7 8 9 strand frame attributes • 基因注释文件（BED格式，Browser Extensible Data） • 12列，前三列是必须的 chrom, chrom. Start, chrom. End, feature. ID， score, strand http: //grch 37. ensembl. org/info/website/upload/bed. html

Phytozome

Beijing University of Agriculture Huilongguan, Changping District

Ensembl. Plants

统计feature信息 cd /data/temp/学号/

统计feature信息 找到对应的基因注释文件（GFF 3格式），先解压缩，然后生成 feature_count 文件 gunzip Vvinifera_457_v 2. 1. gene_exons. gff 3. gz cut -f 3 Vvinifera_457_v 2. 1. gene_exons. gff 3 | sort | uniq -c > feature_count. txt 1 297312 31845 1 55564 ##annot-version v 2. 1 CDS exon gene ##gff-version 3 m. RNA Deadline: Nov 30