python脚本实现GFF3转GTF

GFF3 (General Feature Format version 3) 和 GTF (Gene Transfer Format) 都是生物信息学中用于描述基因组特征的文件格式。GFF3通常包含更详细的注释信息，而GTF则简化了一些字段并按照特定的顺序组织。

要在Python中编写一个脚本来将GFF3转换为GTF，你可以利用pandas库处理CSV-like数据，并编写一些规则来格式化转换。以下是一个简单的示例，假设你有一个名为`input.gff3`的GFF3文件：

import pandas as pd

def gff3_to_gtf(input_file, output_file):
    # 读取GFF3文件
    df = pd.read_csv(input_file, sep='\t', comment='#', header=None,
                     names=['seqid', 'source', 'type', 'start', 'end', 'score', 'strand',
                            'phase', 'attributes'])

    # 简化和格式化GTF
    df['attribute_dict'] = df.attributes.str.split(';').apply(dict)
    df = df[['seqid', 'source', 'type', 'start', 'end', 'score', 'strand', 'phase']]
    df['attributes'] = df.attribute_dict.apply(lambda x: ';'.join(f'{k} "{v}"' for k, v in x.items()))
    
    # 转换列名和添加缺失的列
    df.columns = ['chr', 'transcript_id', 'gene_name', 'start', 'end', 'score', 'strand', '.']
    df = df[['chr', 'transcript_id', 'gene_name', 'start', 'end', 'score', 'strand', '.', 'phase', 'attributes']]

    # 写入GTF文件
    df.to_csv(output_file, sep='\t', index=False)

# 使用函数
gff3_to_gtf('input.gff3', 'output.gtf')

注意：这个例子假设GFF3文件的基本结构和GTF的预期字段相对应。实际操作中，如果GFF3文件的结构复杂，可能需要调整解析步骤。此外，GTF有一些特定的要求，如某些列的值可能需要特殊处理。