我最近在做比较基因组学分析的过程中遇到了一个问题，就是从数据库中下载到的注释文件，明明是gff3格式，却无法按照常规方法提取最长转录本。注释文件中显示来源于DDBJ数据库。无独有偶，我下载到的所有类似于这种来源于DDBJ数据库的gff3注释文件均提取不出来最长转录本，这也让我苦恼了很长时间，注释文件的格式类似下图：
经过多方面的尝试，包括使用命令行转换格式、gtf转ensembl格式的gtf、gtf转gff等操作，均行不通；后来发现，原来是因为注释文件缺乏mRNA feature导致。存在一些基因结构注释信息文件，缺少了mRNA feature，只有exon和cds，或者只有cds。这类文件不仅无法进行比较基因组学的分析，对于一些转录组分析流程，如STAR align - stringtie这个流程来说，可能也是直接无法使用的。
于是我使用TBtools的GXF Fix进行了注释文件的修复工作，然后就可以提取出来最长转录本了。
