工具推薦：https://github.com/openvax/gtfparsehtml
真不敢相信，Linux自帶的命令會這麼強大，從gtf中提取出須要的transcript，看起來複雜，其實一個grep就搞定了。python
grep -F -f out.list gffcmp.combined.gtf > test.out
本文出自於http://www.bioinfo-scrounger.com轉載請註明出處git
gffcompare官網github
gffcompare和gffread能夠認爲是專門開發出來用於處理gff格式文件的小工具。如今gff格式通常是用第三版gff3，以小鼠genecode上下載的gff文件爲例，以下所示：工具
chr1 HAVANA gene 3073253 3074322 . + . ID=ENSMUSG00000102693.1;gene_id=ENSMUSG00000102693.1;gene_type=TEC;gene_name=4933401J01Rik;level=2;havana_gene=OTTMUSG00000049935.1 chr1 HAVANA transcript 3073253 3074322 . + . ID=ENSMUST00000193812.1;Parent=ENSMUSG00000102693.1;gene_id=ENSMUSG00000102693.1;transcript_id=ENSMUST00000193812.1;gene_type=TEC;gene_name=4933401J01Rik;transcript_type=TEC;transcript_name=4933401J01Rik-001;level=2;transcript_support_level=NA;tag=basic;havana_gene=OTTMUSG00000049935.1;havana_transcript=OTTMUST00000127109.1 chr1 HAVANA exon 3073253 3074322 . + . ID=exon:ENSMUST00000193812.1:1;Parent=ENSMUST00000193812.1;gene_id=ENSMUSG00000102693.1;transcript_id=ENSMUST00000193812.1;gene_type=TEC;gene_name=4933401J01Rik;transcript_type=TEC;transcript_name=4933401J01Rik-001;exon_number=1;exon_id=ENSMUSE00001343744.1;level=2;transcript_support_level=NA;tag=basic;havana_gene=OTTMUSG00000049935.1;havana_transcript=OTTMUST00000127109.1
而gtf格式通常來講跟gff很類似，也是以小鼠genecode上下載的gtf文件爲例，以下所示spa
chr1 HAVANA gene 3073253 3074322 . + . gene_id "ENSMUSG00000102693.1"; gene_type "TEC"; gene_name "4933401J01Rik"; level 2; havana_gene "OTTMUSG00000049935.1"; chr1 HAVANA transcript 3073253 3074322 . + . gene_id "ENSMUSG00000102693.1"; transcript_id "ENSMUST00000193812.1"; gene_type "TEC"; gene_name "4933401J01Rik"; transcript_type "TEC"; transcript_name "4933401J01Rik-001"; level 2; transcript_support_level "NA"; tag "basic"; havana_gene "OTTMUSG00000049935.1"; havana_transcript "OTTMUST00000127109.1"; chr1 HAVANA exon 3073253 3074322 . + . gene_id "ENSMUSG00000102693.1"; transcript_id "ENSMUST00000193812.1"; gene_type "TEC"; gene_name "4933401J01Rik"; transcript_type "TEC"; transcript_name "4933401J01Rik-001"; exon_number 1; exon_id "ENSMUSE00001343744.1"; level 2; transcript_support_level "NA"; tag "basic"; havana_gene "OTTMUSG00000049935.1"; havana_transcript "OTTMUST00000127109.1";
從上能夠看出，就小鼠而言，gff和gtf文件只有在最後一列，也就是attribures列有略微區別；前者名稱和值是以等號隔開，後者則是以空格隔開code
所以gffcompare和gff不只能夠用來處理gff格式文件，還能夠處理gtf格式文件htm
這兩個工具都是約翰·霍普金斯大學開發的，也是hisat2和stringtie的開發者，下載地址以下：
http://ccb.jhu.edu/software/stringtie/gff.shtml，這個網頁不只有下載地址，還有軟件的簡單介紹。注：下載有二進制版本的，能夠不用編譯直接使用，方便。blog
還有這個網址也對gtf格式以及gff格式作了解釋，能夠總體上了解gtf和gff的區別ip
gffcompare
按照官網的說法，gffcompare能夠用來compare, merge, annotate and estimate accuracy of one or more GFF files，而且這個軟件是基於cuffcompare開發的，因此gffcompare不少輸入和輸出文件都與cuffcompare相同
參數經過gffcompare -h命令查看便可
以stringTie組裝並merge後的結果文件（merged.gtf）爲例，參考基因組註釋文件爲gencode.vM13.annotation.gtf，compare下二者的結果並進行註釋
gffcompare -R -r gencode.vM13.annotation.gtf -o strtcmp merged.gtf
輸出文件幾乎跟cuffcompare同樣，除告終果中的.combined.gtf變爲.annotated.gtf，可是文件裏的格式幾乎是同樣的，除了有一點，.annotated.gtf文件會保留original transcript IDs，可是.combined.gtf是沒有這一點的
對於文件每列的具體含義能夠看cuffcompare官網，也能夠看以前的一篇博文轉錄組的組裝Stingtie和Cufflinks
gffread
gffread這工具，官網的定義爲used to generate a FASTA file with the DNA sequences for all transcripts in a GFF file，在知道這工具前，我作這個操做是本身寫的perl腳本，可是從運行效率上來講，仍是這工具快。。。
好比一個很常見的需求，對於stringtie組裝後的gtf文件，想將組裝後的轉錄本的序列從對應的參考基因組上提取出來，這時就能夠用gffread這工具了，仍是上述的小鼠爲例：
gffread -w transcripts.fa -g mm10.fa stringtie_merged.gtf
查看各參數的含義gffread -h
以前使用的時候只用了這個功能，可是最近在公衆號（生信菜鳥團的一篇軟文：NGS數據格式之gff/gtf）看到gffread能夠將gtf和gff格式之間進行相互轉化，因此試了下
如：gtf轉化爲gff
gffread gencode.vM13.annotation.gtf -o tmp.gff3
輸出文件以下：
chr1 HAVANA transcript 3073253 3074322 . + . ID=ENSMUST00000193812.1;geneID=ENSMUSG00000102693.1;gene_name=4933401J01Rik chr1 HAVANA exon 3073253 3074322 . + . Parent=ENSMUST00000193812.1
從結果上能夠看出，gffread輸出的是其定義後的gff3格式的文件，與輸入的相比沒有了feature爲gene的行，attribures列也變得較爲省略
如：gff轉化爲gtf
gffread gencode.vM13.annotation.gff3 -T -o tmp.gtf
輸入文件以下：
chr1 HAVANA exon 3073253 3074322 . + . transcript_id "ENSMUST00000193812.1"; gene_id "ENSMUSG00000102693.1"; gene_name "4933401J01Rik";
從結果上來看，gffread定義的gtf文件變得更爲省略了，而且還有作了些限制，固然這些在官網GFF utilities中有說明
綜上所述，gffcompare和gffread用處還有能夠的，值得留意下