一般的な機能形式

バイオインフォマティクスにおいて、一般特徴形式(遺伝子検出形式、一般特徴形式、GFF ) は、 DNA、RNA、タンパク質配列 の遺伝子やその他の特徴を記述するために使用されるファイル形式です。

GFF には以下のバージョンがあります。

• 一般機能フォーマット バージョン 2、一般的には非推奨
  • Ensemblで使用される派生形式である遺伝子転送フォーマット2.2
• 汎用フィーチャーフォーマット バージョン 3
  • ゲノム変異フォーマット（sequence_alteration機能用の追加のプラグマと属性を含む）

GFF2/GTF には、2 レベルの機能階層しか表現できないため、遺伝子 → 転写 → エクソンの 3 レベルの階層を処理できないなど、多くの欠陥がありました。GFF3 は、この問題とその他の欠陥に対処しています。たとえば、任意の数の階層レベルをサポートし、属性フィールドの特定のタグに特定の意味を与えます。

GTFはGFFバージョン2と同一である。^[1]

すべての GFF 形式 (GFF2、GFF3、GTF) はタブで区切られ、1 行に 9 つのフィールドがあります。最初の 7 つのフィールドの構造はすべて同じですが、 9 番目のフィールドの内容と形式が異なります。混乱を避けるために、GFF3 では一部のフィールド名が変更されています。たとえば、「seqid」フィールドは以前は「sequence」と呼ばれていましたが、これはヌクレオチドまたはアミノ酸鎖と混同される可能性があります。一般的な構造は次のとおりです。

簡単に言えば、CDSは「CoDing Sequence」を意味します。この用語の正確な意味は、Sequence Ontology (SO)によって定義されています。GFF3仕様によると、次のようになります。 ^{[2] [3]}

「CDS」タイプのフィーチャの場合、フェーズは、リーディング フレームを参照してフィーチャが開始する場所を示します。フェーズは 0、1、または 2 の整数のいずれかで、次のコドンの最初の塩基に到達するためにこの機能の先頭から削除する必要がある塩基の数を示します。

GFF ファイルでは、追加のメタ情報を含めることができ、## ディレクティブの後に続きます。このメタ情報には、GFF バージョン、シーケンス領域、または種の詳細を含めることができます (メタデータ タイプの完全なリストは、シーケンス オントロジー仕様で確認できます)。

この形式を生成するサーバー:

この形式を使用するクライアント:

modENCODEプロジェクトは、 286.10 MB と 1500 万行という寛大な制限を備えたオンライン GFF3 検証ツールをホストしています。

Genome Tools ソフトウェア コレクションには、オフラインで GFF3 ファイルを検証し、場合によっては整理するために使用できる gff3validatorツールが含まれています。オンライン検証サービスも利用できます。

• 分散注釈システム
• バリアント呼び出し形式
• 配列アライメント