GFF格式说明

GFF格式是Sanger研究所定义，是一种简单的、方便的对于DNA、RNA以及蛋白质序列的特征进行描述的一种数据格式，比如序列的哪里到哪里是基因，已经成为序列注释的通用格式，比如基因组的基因预测，许多软件都支持输入或者输出GFF格式。目前格式定义的最新版本是版本3。GFF格式举例如下：

文件格式说明见下表：

列数	说明
1	“seqid”序列的编号，编号的有效字符有[a-zA-Z0-9.:^x!+_?-|]
2	“source”注释信息的来源，比如”Genescan”、”Genbank” 等，可以为空，为空用”.”点号代替
3	“type”注释信息的类型，比如Gene、cDNA、mRNA等，或者是SO对应的编号
4	“start”起始位置
5	“end”终止位置
6	“score”得分，数字，是注释信息可能性的说明，可以是序列相似性比对时的E-values值或者基因预测时的P-values值。”.”表示为空
7	“strand”序列的方向， +表示正义链, -反义链 , ?表示未知
8	“phase”仅对注释类型为 “CDS”有效，表示起始编码的位置，有效值为0、1、2。
9	“attributes”以多个键值对组成的注释信息描述，键与值之间用“=”，不同的键值用“;”隔开，一个键可以有多个值，不同值用“,”分割。注意如果描述中包括tab键以及“,=;”，要用URL转义规则进行转义，如tab键用 %09代替。键是区分大小写的，以大写字母开头的键是预先定义好的，在后面可能被其他注释信息所调用。