关于后端:AGAT-强大的-GFFGTFBED-工具包

AGAT – 弱小的 GFF/GTF/BED 工具包

还在用 gffread、GenomeTools 等软件将 GFF 文件转化为 GTF 格局？连忙试试 AGAT 这款更弱小的工具！！！

AGAT (Another GTF/GFF Analysis Toolkit) 是一个 GFF/GTF 工具包，简直能实现所有你可能想要对这两种格式文件进行的操作。

AGAT 有能力查看、修复、填充任何类型的 GTF 和 GFF 的缺失信息 (特色 / 属性)，以创立残缺、分类和标准化的 gff3 格局。通过多年的优化，它曾经开发了大量工具来执行简直任何可能与 GTF/GFF 格式文件相干的工作 (转换，合并，批改，过滤，FASTA 序列提取，增加信息等)。与其余办法相比，AGAT 即便对最不标准的 GTF/GFF 文件也可实用。

<img src=”https://cdn.jsdelivr.net/gh/ShengXinF3/ShengXinF3/Pics/agat.png” style=”zoom:67%;” />

次要性能

• 将任何 GTF/GFF 文件标准化 / 整顿为全面的 GFF3 格局 (通过带有 _sp_ 前缀的脚本)

  工作	工具
  查看、修复、填充缺失信息到分类和标准化的 gff3	agat_convert_sp_gxf2gxf.pl

  增加缺失的父特色 (例如，如果只有 CDS/ 外显子存在，则增加基因和 mRNA)

  增加缺失的性能 (例如外显子和 UTR)

  增加缺失的强制属性 (即 ID, Parent)

  修复标识符至惟一

  修复特色地位

  删除反复特色

  汇合相干特色 (如果扩散在文件的不同地位)

  排序功能 (tabix 可选)

  合并重叠的基因座成一个繁多的基因座(仅当选项激活)

• 转换多种格局

• 其它

性能简介

• 所有以 GFF/GTF 为输出的工具能够分为两组: _sp_ 和 _sq_

  • 带有 _sp_ 前缀的工具

    sp 代表 SLURP。这些工具将以特定的数据结构在内存中存储文件，在付出内存老本的状况下使运行更顺畅。实际上，它容许以更省时的形式执行简单的工作 (AGAT 能够随时拜访任何特色)。此外，它容许在格局自身给出的可能性限度内修复所有潜在的谬误。

  • 带有 _sq_ 前缀

    sq 代表 SEQUENTIAL。这些工具将从上到下逐行读取和解决 GFF/GTF 文件，实时执行工作。只管这进步了内存效率，但文件的完整性检查是最小的，因而只能执行简略工作。

• AGAT 解析器 / 由 sp 前缀工具 / 标准化应用，用于创立兼容任何工具的 GXF 文件

  带有 sp 前缀的 AGAT 工具的第一步是修复文件以使其标准化 (例如，只蕴含外显子的文件将被批改以创立 mRNA 和基因特色)。为了执行这项工作，AGAT 将解析整个数据并将其放入特定的数据结构中，AGAT parser 预计执行以下操作：

  • 创立缺失的父特色（例如，如果第 2 级或第 3 级特色没有父特色，咱们就创立短少的第 2 级和 / 或第 1 级特色）
  • 创立缺失的强制属性（ID 和 / 或 Parent）
  • 使标识符惟一
  • 删除反复的特色（雷同的地位、ID 和 Parent）
  • 扩大共享多个父特色的 level3 特色（例如，如果一个外显子在其父属性中有多个父 mRNA 的列表，则将为每个父特色创立一个具备对立 ID 的外显子）
  • 修复特色的地位谬误（例如，当一个 mRNA 逾越了它基因的地位时修复基因地位）
  • 在 CDS 和外显子存在的条件下，增加 UTR
  • 在可能的条件下，增加外显子（CDS 必须存在）
  • 将特色汇集（如果相干的特色散布在文件的不同中央）

常用工具

修复 GFF 文件的格局

agat_convert_sp_gxf2gxf.pl

用法：

agat_convert_sp_gxf2gxf.pl \
    -g genome.gff -o genome.gff

选项：

• –gff or -f

  输出 GTF/GFF 文件

• –output or -o

  输入文件

提取和总结 GFF 文件中的性能信息

agat_sp_functional_statistics.pl

用法：

agat_sp_functional_statistics.pl --gff genome.gff [-o dirname]
agat_sp_functional_statistics.pl --help

选项：

• –gff or -f

  输出 GTF/GFF 文件

• –output or -o

  输入后果的文件夹门路（默认 output_functional_statistics）

依据 gff 文件中形容的特色以 fasta 格局提取序列

agat_sp_extract_sequences.pl

用法：

# Gene
agat_sp_extract_sequences.pl -g genome.gff -f genome.fa -t gene -o gene.fa
# mRNA
agat_sp_extract_sequences.pl -g genome.gff -f genome.fa -t mrna -o mrna.fa
# CDS
agat_sp_extract_sequences.pl -g genome.gff -f genome.fa -t cds -o cds.fa
# Protein
agat_sp_extract_sequences.pl -g genome.gff -f genome.fa -t cds -p -o pep.fa
# To extract 3000nt upstream region of a gene
agat_sp_extract_sequences.pl -g genome.gff -f genome.fa -t gene --upstream 3000 -o promoter_3kb.fa

选项：

• –gff or -f

  输出 GTF/GFF 文件

• –output or -o

  输入后果的文件夹门路（默认 output_functional_statistics）

将 GTF/GFF 格局转换为 BED

agat_sp_functional_statistics.pl

用法：

agat_convert_sp_gff2bed.pl --gff genome.gff [-o filename]

选项：

• –gff

  输出 GTF/GFF 文件

• –output or -o

  输入文件

筛选最长的转录本序列

agat_sp_functional_statistics.pl

用法：

agat_sp_keep_longest_isoform.pl --gff genome.gff [-o filename]

选项：

• –gff

  输出 GTF/GFF 文件

• –output or -o

  输入文件

扫码关注微信公众号【生信 F3】获取文章残缺内容，分享生物信息学最新常识。

本文由 mdnice 多平台公布