BBQ(生信基础问题26)：GTF/GFF3? 什么是RefSe
好久没有更新了，BBQ开始继续更新啦~今天的BBQ关注的是基因注释这一块，举个例子来说，分析转录组，我们得到了一系列的基因的list，我们如何注释这些基因呢？
1:常见的基因注释的数据库
常用的gene注释有不同的来源，这个来源一般是某一个组织通过一定的方法来确定下来的参考gene的相关注释信息。比如常用的有：
- RefSeq Gene注释 ; 来自于NCBI，对gene的不同转录本进行注释，1个转录本对应1个编号成为RefSeq id，例如对于可以翻译成蛋白的转录本，都会以NM_开头如NM_015658；对于不能翻译的转录本，都会以NR_开头如NR_027055；不同注释的情况如下图(ps:注释的数据库来源不一样，编号不一样)
README.txt截图
- Ensembl注释；对gene的不同转录本进行注释，以ENSG开头的表示Ensembl gene_id如ENSG00000227232，以ENST开头的表示Ensembl transcript id如ENST00000438504.
- UCSC gene注释；对gene的不同转录本进行注释，一般是类似uc004cpf这样的名称。
Q： 这里有三种注释，那么哪种注释会更好点呢？
A：没有绝对的好坏之分，都是很详细的
2: RefSeq Gene
1:首先我们来打开官网 看一下~
我们可以看到如果想找到基因/蛋白/mRNA的注释可以直接从FTP下载，从RefSeq的官方网站上可以下载到常见物种的参考序列信息。
README.txt里面有的物种信息
不过呢，这里面还是human的信息注释得最为全面。关于里面注释的信息~
2:我们这里以人类的数据为例：
官网，点击Human Genomic Resource and Download
3:点击之后进入官网，然后我们可以有不同的版本，GRCh38和GRCh37（这版本就是Hg19）
Human Genome Resources
4: 点击Gff3下载就可以了
如果是在系统的话可以用wget下载
###这个是下载到了当前目录下了
wget ftp://ftp.ncbi.nlm.nih.gov/refseq/H_sapiens/annotation/GRCh37_latest/refseq_identifiers/GRCh37_latest_genomic.gff.gz ./
下载了之后然后解压就可以看到里面的内容了：关于内容格式的话可以参照一下这个：
BBQ(生信基础问题24-25)：GTF,GFF是什么?
gff3的内容
我们来看一下今天的问题：
尝试下载hg19的GFF3文件，并简单比较GFF3与GTF文件的不同？
GFT文件
我们对比一下上面和下面两个注释的情况，我们可以得到一下几个不一样：
1：第一列不一样，对于gft来说，第一列是染色体的编号（会有带chr和不带chr的情况），而对于gff3来说，第一列是指出注释的对象。会以NC开头
2：对于gff3，第二列会说这个注释的来源信息是什么，而gft没有。
3：GTF每行的第九列，有四列基本的信息如下：分别是
gene_id ，gene_name, gene_source,gene_biotype
GTF
(PS:如果是可以转录的话，携带的信息会多：如transcript_id,exon_number,transcript_source, exon_id等信息)
gft的最后一列注释信息
4：但是对于GFF3的话，最后一列不同而且信息会更完善一点：(挑有用的说一下，感觉有的注释没啥用)
ID：GFF3文件中的标识符
Dbxref :相当于可以查询的基因ID（A database cross reference.）
Parent，表明该feature所属的上一级feature 的ID，这种关系可用于exons-transcripts，transcripts-genes，可以看出一个feature可以拥有多个子feature
Genebank ，是说在genebank里面的编号
Product, 这个基因的产物，会简单的说明功能（如果还没明确的功能的话就没有简单的功能介绍）
transscript_id, 转录本的编号NR开头
pseudo 是不是假基因，如果是会写true
GFF3的标注信息
Ref:
1:生物信息学100个基础问题 —— 第26题 什么是RefSeq Gene? 怎么给NCBI反馈问题？
(这个专栏里还有写如何给NCBI写信报错的步骤，需要的可以参考一下~)
2：https://www.ncbi.nlm.nih.gov/projects/genome/guide/human/index.shtml
3：http://gmod.org/wiki/GFF3
4：https://github.com/The-Sequence-Ontology/Specifications/blob/master/gff3.md
