基因组注释文件(GFF,GTF)下载的四种方法

文章目录

• NCBI
• Ensembl
• UCSC
• GeneCode

NCBI

Ncbi 里包含现在最全的参考基因组数据，可以进入FTP站点查看：ftp://ftp.ncbi.nlm.nih.gov/genomes/

这里的文件夹名为物种的拉丁名，这里以 Human(Homo_sapiens) 为例，下载方法如下：

wget ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/ANNOTATION_RELEASE.109/GFF/ref_GRCh38.p12_top_level.gff3.gz (hg38)

wget ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/BUILD.37.3/GFF/ref_GRCh37.p5_top_level.gff3.gz (hg19)

NCBI，Ensembl，UCSC 基因组版本对应关系 NCBIEnsemblUCSCGRCh36release_52hg18GRCh37release_59/61/64/68/69/75hg19GRCh38release_76/77/78/80/81/82hg38

GRCh37与GRCh38：有什么区别？ GRCh37和GRCh38都是Genome Reference Consortium（GRC）的人类基因组组装。GRCh38（也称为“build 38”）是在2009年GRCh37发布四年后发布的，因此它可以被视为一个版本，其中包含对早期版本的更新注释。 首先，GRCh38版本有三个更新：

• 修复错误的读数
• 包含模型着丝粒序列
• 添加备用基因座

除此之外，GRCh37中的一些错误组装区域已在GRCh38中重新投入使用。这是第一个具有着丝粒序列的人类参考基因组，取代了早期构建中的300万个缺口（即GRCh37）。包含着丝粒序列将开辟以前从未有过的新研究领域。 GRCh38还包括在早期版本中部分捕获的基因组序列。然而，基因组中仍然存在差距，新的技术和方法都有助于缩小差距，旨在最大限度地覆盖人类基因组。 我现在需要使用GRCh38重新分析我的数据吗？ 如果您一直在使用GRCh37，则无需返回并重新分析数据。值得庆幸的是NCBI已经解决了这个问题。 NCBI的Genome Remapping Service将注释数据从GRCh37转换为GRCh38。有关此工具的更多详细信息，请单击此处。 来自：https://bitesizebio.com/38335/get-to-know-your-reference-genome-grch37-vs-grch38/

Ensembl

FTP 地址：ftp://ftp.ensembl.org/pub/current_gtf

同样以Human(Homo_sapiens)为下载为例：

wget ftp://ftp.ensembl.org/pub/current_gtf/homo_sapiens/Homo_sapiens.GRCh38.90.gtf.gz （hg38）

wget ftp://ftp.ensembl.org/pub/release-75/gtf/homo_sapiens/Homo_sapiens.GRCh37.75.gtf.gz （hg19）

UCSC

地址：http://genome.ucsc.edu/cgi-bin/hgTables

下载：设置参数如下，然后点击get output下载 gtf 文件

GeneCode

地址：https://www.gencodegenes.org/human/release_29.html

下载：