gtf文件第三列详详解（exon/CDS transcript/gene）

AAH2基因的一个转录本（是﹣链，所以起始密码子位置在后面）

1. exon外显子：包括cds，并不是所有的外显子都能编码氨基酸，5‘UTR 3'UTR，外显子可能在一些转录本中翻译，在一些转录本中不翻译

2. CDS编码区，编码蛋白质的区域

3. transcript的起始和终止位置相减，并不是转录本的长度，数字相减，中间包含内含子，所以转录本的长度（转录出来mRNA的碱基数目）应该是所有exon的加和，gtf文件里的transcript和转录本并不是一个概念

#如何计算所有exon长度的和

genomic.gtf|awk -F'/t' '$3=="exon"{split($9,x,";");name=x[2];gsub("transcript_id","",name);L[name]+=$5-$4+1}END{for (i in L) print i"/t"L[i]}'|less

4. gene长度并不一定是最长转录本的长度，基因长度的计算起始点并不总是从5'非翻译区（5' UTR）开始。基因长度是指从基因的最开始编码区域（可能是5' UTR，但也可能是更上游的区域）到基因的最末端编码区域（可能是3' UTR，但也可能是更下游的区域）的总距离。这个长度包括了所有的编码序列（外显子）和非编码序列（内含子）以及可能的5'和3'非翻译区域。

基因起始点：基因的起始点通常定义为转录起始位点（TSS, Transcription Start Site），这是RNA聚合酶开始转录RNA的DNA序列位置。TSS上游的区域可以包括调控元件如启动子，这些区域对基因的表达调控至关重要，但它们通常不被计算在内作为基因长度的一部分