AGP格式简单说明

AGP文件为NCBI数据上传要求的标准格式，用来描述小片段序列（比如contig）如何构成大片段序列（比如scaffold和chromosome）。详细的说明文档请见：http://www.ncbi.nlm.nih.gov/projects/genome/assembly/agp/AGP_Specification.shtml
AGP文件有9列，分别是：

1. 大片段的序列名(object)
2. 大片段起始(object_begin)
3. 大片段结束(object_end)
4. 该段序列在大片段上的编号(part_number)
    一般一个大片段由多个小片段和gap组成。此处则为这些小片段和gap在大片段上的编号。
5. 该段序列的类型(component_type)
    常用的是W、N和U。W表示WGS contig；N表示指定大小的gap；U表示不明确长度的gap，一般用100bp长度。
6. 小片段的ID或gap长度(component_id or gap_length)
    如果第5列不为N或U，则此列为小片段的ID。
    如果第5列是N或U，则此列为gap的长度。如果第5列为U，则此列值必须为100。
7. 小片段起始或gap类型(component_begin or gap_type)
    如果第5列是N或U，则此列表示gap的类型。常用的值是scaffold，表示是scaffold内2个contigs之间的gap。其它值有：contig，2个contig序列之间的unspanned gap，这样的gap由于没有证据表明有gap，应该要打断大片段序列；centromere，表示中心粒的gap；short_arm，a gap inserted at the start of an acrocentric chromosome；heterochromatin，a gap inserted for an especially large region of heterochromatic sequence；telomere，a gap inserted for the telomere；repeat，an unresolvable repeat。
8. 小片段结束或gap是否被连接(component_end or linkage)
    如果第5列是N或U，则此列一般的值为yes，表示有证据表明临近的2个小片段是相连的。
9. 小片段方向或gap的连接方法(orientation or linkage_evidence)
    如果第5列不为N或U，则此列为小片段的方向。其常见的值为 +、-或？。
    如果第5列是N或U，则此列表明临近的2个小片段能连接的证据类型。其用的值是paired-ends，表明成对的reads将小片段连接起来。其它值有：na，第8列值为no的时候使用；align_genus，比对到同属的参考基因组而连接；align_xgenus，比对到其它属的参考基因组而连接；align_trnscpt，比对到同样物种的转录子序列上；within_clone，gap两边的序列来自与同一个clone，但是gap没有paired-ends跨越，因此这种连接两边小片段无法确定方向和顺序；clone_contig，linkage is provided by a clone contig in the tiling path (TPF)；map，根据连锁图，光学图等方法确定的连接；strobe，根据PacBio序列得到的连接；unspecified。如果有多中证据，则可以写上多种证据，之间用分号分割。

例子：
Scaffold from component (WGS)