GFF文件格式不标准，第三列只有mRNA处理方法
GFF文件格式不标准，第三列只有mRNA处理方法
gff文件第三列一般有gene，mRNA，CDS，exon等等信息，但是有时候没有gene信息，只有mRNA信息，这种情况一般是一个基因只注释了一个转录本的基因组，这个时候我们可以批量的处理一下，添加上gene行信息，也就是mRNA信息直接用于基因信息，方便我们的分析流程处理数据：
可以用awk命令批量添加gene行，把mRNA的ID作为基因ID，并且在mRNA行添加Parent信息：
awk -F"[\t=]" 'BEGIN{OFS="\t"}{if($3=="mRNA"){print $1,$2,"gene",$4,$5,$6,$7,$8,$9"="$10 ; print $1,$2,$3,$4,$5,$6,$7,$8,$9"="$10"Parent="$10;}else{print $0}}' PO.gene.gff >PO.gene.gff1
最终结果如下，左边为原始gff文件，右边为更改后的文件，有遇到类似问题的小伙伴可以根据命令来修改一下：
更多AWK命令使用技巧见：linux系统使用
生物信息入门到精通必修基础课：linux系统使用、biolinux搭建生物信息分析环境、linux命令处理生物大数据、perl入门到精通、perl语言高级、R语言画图、R语言快速入门与提高
- 发表于 2019-05-07 15:48
- 阅读 ( 8106 )
- 分类：linux
