Hispanopedia WikiEn bioinformática , el formato general de características ( formato de búsqueda de genes , formato genérico de características , GFF ) es un formato de archivo utilizado para describir genes y otras características de secuencias de ADN , ARN y proteínas .
Versiones GFF
Existen las siguientes versiones de GFF:
- Formato de características generales versión 2 , generalmente obsoleto.
- Gene Transfer Format 2.2 , un derivado utilizado por Ensembl.
- Formato de características genéricas, versión 3
- Formato de variación del genoma , con pragmas y atributos adicionales para las características de alteración de secuencia.
GFF2/GTF presentaba varias deficiencias, principalmente que solo podía representar jerarquías de características de dos niveles y, por lo tanto, no podía manejar la jerarquía de tres niveles de gen → transcripción → exón. GFF3 soluciona esta y otras deficiencias. Por ejemplo, admite un número arbitrario de niveles jerárquicos y asigna significados específicos a ciertas etiquetas en el campo de atributos.
Estructura general de GFF
Todos los formatos GFF (GFF2, GFF3 y GTF) están delimitados por tabulaciones y constan de 9 campos por línea. Todos comparten la misma estructura para los primeros 7 campos, aunque difieren en el contenido y el formato del noveno . Algunos nombres de campos se han modificado en GFF3 para evitar confusiones. Por ejemplo, el campo "seqid" se denominaba anteriormente "sequence", lo que podría confundirse con una cadena de nucleótidos o aminoácidos. La estructura general es la siguiente:
El octavo campo: fase de las características de CDS
En pocas palabras, CDS significa "Secuencia de ADN Codificante". El significado exacto del término está definido por la Ontología de Secuencias (SO). Según la especificación GFF3 : [ 2 ] [ 3 ]
Para las secuencias de caracteres tipo "CDS", la fase indica dónde comienza la secuencia con respecto al marco de lectura. La fase es uno de los números enteros 0, 1 o 2, que indica la cantidad de bases que deben eliminarse desde el inicio de esta secuencia para alcanzar la primera base del siguiente codón.
Meta directivas
En los archivos GFF, se puede incluir información meta adicional que aparece después de la directiva ##. Esta información meta puede detallar la versión GFF, la región de la secuencia o la especie (la lista completa de tipos de metadatos se puede encontrar en las especificaciones de la Ontología de Secuencias ).
Software GFF
Servidores
Servidores que generan este formato:
Clientela
Clientes que utilizan este formato:
Validación
El proyecto modENCODE ofrece una herramienta de validación GFF3 en línea con límites generosos de 286,10 MB y 15 millones de líneas.
La colección de software Genome Tools incluye la herramienta gff3validator , que permite validar y, posiblemente, limpiar archivos GFF3 sin conexión a internet. También dispone de un servicio de validación en línea .
Véase también
Referencias
- Bioinformática
- Formato de secuencia biológica