读取gff/gtf文件的内容

Posted 2020-09-30

题目和内容参考jimmy大神的http://www.biotrainee.com/thread-626-1-1.html

 

gff文件来自gencode的genode.v26.annotation.gft.gz

目的：熟悉gff文件内容，练习提取数据操作

 

1.统计每一条染色体的基因数目：

zcat gencode*|awk ‘$3=="gene"{print $1}‘|sort|uniq-c #$3是feature type,$1是reference sequence name。

2.统计每一条染色体的protein_coding 基因数目：

zcat gencode*|awk ‘$3=="gene"{print $0}‘|grep "protein_coding"|cut -f 1|sort|uniq -c

3.统计各个类型的基因

zcat gencode*|awk ‘$3=="gene"{print $0}‘|awk ‘match($0,/(gene_type).+(".+?");.*gene_name,a){print a[2]}‘|sort|uniq -c