情况介绍
这是最后一片的id的重命名论坛了，没有以后了，有也会继续在这上面以补丁的形式添加。
之前的注释，比如NCC和BA，虽然改了名字，但是这些排序上相邻的基因在基因组上的坐标不是相邻的，这样可能有些不太美观，主要是没法看duplication的基因，观察这些规律等等。因此，这一版本将重新对注释文件中的基因按照坐标进行排序，然后重新命名。注释的内容实际上没有改变，只是ID名字再次更新。
- 先按照染色体分成11个注释内容
- 每个染色体上的注释文件，按照基因在染色体上的顺序进行重新排序（递增）
操作流程
- 分割BA的注释文件成11个染色体的注释
awk '{if ($1 ~ /^Chr[0-9]+$/) print > $1".gff"}' female_mark1_rename.gff3- 提取基因ID和起始、终止位置和正反链4列内容
- 这里只放一个染色体
awk '$3=="gene"{split($9,a,";"); id=a[1]; sub(/^ID=/,"",id); print id "\t" $4 "\t" $5 "\t" $7}' Chr01.gff > chr01.txt- 按照坐标对基因进行排序
- 按照起始和终止位置，对基因进行排序，递增（起始和终止）
sort -k2,2n -k3,3n chr01.txt > chr01_sorted.txt- 根据先前排序号的基因id，提取注释文件
- 按照排过顺序的基因id提取得到的注释文件也是排序好的
while read id start end strand; do
grep "$id" Chr01.gff
done < chr1_sorted.txt > Chr01_sorted.gff- 修改注释文件的id
- 示例：TgF01G00020，前缀Tg已经写好，这里需要输入的只有01G和F部分，至于基因ID编号则是按照文本从上到下自动命名；因为上一步，基因排序过了，所以没问题
bash convert3.sh -i Chr01_sorted.gff -c 01G -t F -o Chr01_convert.gff- 合并所有的注释文件
cat \
Chr01_convert.gff \
Chr02_convert.gff \
Chr03_convert.gff \
Chr04_convert.gff \
Chr05_convert.gff \
Chr06_convert.gff \
Chr07_convert.gff \
Chr08_convert.gff \
Chr09_convert.gff \
Chr10_convert.gff \
Chr11_convert.gff > female_ba.gff3- 检查一下数量，看看有没有漏掉的
- 36172，数量ok
grep -cP '^\S+\s+\S+\s+gene\s' female_ba.gff3- 每个gene之间插入一个空行，这样视觉上更好看一下，每个基因也分的更加清楚，对注释内容本身没有影响
awk 'NR>1 && $3=="gene"{print ""} {print}' female_ba.gff3 > female_ba_last.gff3- 提取蛋白序列和cds序列
gffread female_ba_last.gff3 -g female_chr_rename.fna -y female_ba_last.protein.fa
gffread female_ba_last.gff3 -g female_chr_rename.fna -x female_ba_last.cds.fa