ID转换 从gtf做 还有基因长度的提取

使用R包的时候，经常会很多匹配不到

从做数据的gtf来构建ID转换列表

下载相应的gtf文件后读入R

library(stringr)

library(readr)

gtf_in <- read_delim("Mus_musculus.GRCm38.102.gtf",

                    "\t", escape_double = FALSE, col_names = FALSE,

                    comment = "#", trim_ws = TRUE)

gtf_in <- gtf_in[gtf_in$X3=="transcript",]#第三列feature是gene的保留下来

gtf_in <- gtf_in[,-c(2,6,7,8)]

gene_info <- data.frame(str_split_fixed(unique(gtf_in$X9),";",8))

gene_info2 <- unique(data.frame("gene_name"=str_split_fixed(gene_info$X5,'"',3)[,2],

                              "transcript_id"=str_split_fixed(gene_info$X3,'"',3)[,2],

                              "gene_biotype"=str_split_fixed(gene_info$X7,'"',3)[,2]))

write.csv(gene_info2,"Mus_musculus.GRCm38.102.gene.csv")

在服务器上

awk '{if ($3=="exon") print $0}' genomic.gtf > /exon.gtf

sed -i 's/"//g' ./length/exon.gtf

https://www.jianshu.com/p/d53416962fa8