基因组注释文件gbff格式转换gff3格式

前几天老师布置了一个任务，寻找夹竹桃科Apocynaceae分类下的物种参考基因组，我在plaBiPD网站和NCBI的genome数据库中只找到包括罗布麻在内的5个已发表物种参考基因组，且都是gbff格式的。提交之后被告知需要gff格式的，因为gbf格式中没有基因相关结构的位置信息。找了一个perl脚本完成了任务。

emmmmm….其实不是很理解，因为gbff格式和gff格式是可以相互转换的，如果gbff注释文件中有信息缺失，那么gff格式也同样没有相关信息….不管怎么样先转换个格式交差，网上搜了下有前人写的perl脚本可以用，但是我以前没接触过perl语言，这里做个笔记写一下自己瞎捣鼓的过程。

1. perl语言和CPAN模块库

从百度百科中引用对perl语言的一段描述：

Perl是一种功能丰富的计算机程序语言，易于使用、高效、完整，而不是美观（小巧，优雅，简约）。同时支持过程和面向对象编程，对文本处理具有强大的内置支持，并且拥有第三方模块集合之一。 Perl借取了C、sed、awk、shell脚本语言以及很多其他程序语言的特性，其中最重要的特性是它内部集成了正则表达式的功能，以及巨大的第三方代码库CPAN。

看到这个简介，个人的理解就是perl语言就像python一样，自己有丰富的第三方库可以调用。同样，我们不需要具体了解每个模块的实现方式和底层代码，只要知道会调用相关的模块实现自己的目标即可。

CPAN是perl的一个第三方源码模块库，里面有上百万的perl模块，用于支撑perl的各种功能。为了方便安装perl的各种模块，前人做了一个CPAN模块，用cpan命令来安装perl的各个模块。也可以通过cpan命令来安装bioperl模块，里面有非常多的有关生信分析的perl脚本。

2. 安装和配置bioperl

运行gbff转换gff3的perl脚本需要调用bioperl的一些模块，因此第一步需要安装bioperl，以及配置相应的环境。

登录学校集群，发现系统自带安装了perl程序和CPAN模块，我们可以用CPAN来安装bioperl。

1 2	# 在命令行进入CPAN交互式界面 perl -MCPAN -e shell

进入CPAN交互式界面如下：

# 在线寻找bioperl安装包
cpan>d /bioperl/
# 安装对应版本的bioperl，注意目录和版本号根据搜出来的结果不同而不同
cpan>install S/SE/SENDU/bioperl-1.5.2_100.tar.gz

之后就是漫长的安装过程了，所有依赖关系也会一并安装，安装的时间较长，大概需要半个小时。

安装完成之后是配置环境变量，不配置的话即使安装了bioperl，也会找不到对应的模块。我的bioperl安装路径是/public/home/wlxie/miniconda3/envs/biosoft/lib/perl5/site_perl/5.22.0/Bio/，可以通过echo $PERL5LIB来查看当前perl模块的调用路径，然后在家目录的.bashrc环境变量文件中将bioperl的模块路径加到perl模块调用的路径当中。

1 2	# 在。bashrc文件最后一行加入bioperl模块调用路径 export PERL5LIB="/public/home/wlxie/miniconda3/envs/biosoft/lib/perl5/site_perl/5.22.0/:$PERL5LIB"

这样所有的配置就完成了。