有什么现成的工具可以对gff注释的gene、exon、mrna等元件的ID进行重新编号吗？

有的，而且基本上AGAT是最“现成/省心”的一套（专门处理 GFF/GTF 的修复、标准化、改 ID 等）。

1) AGAT：直接把 gene/mRNA/exon/CDS… 的 ID= 重新编号/改前缀

✅ agat_sp_manage_IDs.pl（你问的“重新编号”基本就用它）

它会遍历 GFF3，把各类 feature 的 ID 重写成新的编号；默认类似 featureType-Number，也可以指定前缀、起始编号、以及不同风格的 ID。(AGAT)

常用点：

• 指定处理哪些元件：-p level2 / -p exon / -p cds 等（也可以 all）(AGAT)
• 指定前缀：--prefix(AGAT)
• 指定起始编号：--nb(AGAT)
• 每种 feature 独立计数：--type_dependent（gene1/mRNA1/exon1…而不是全局一个流水号）(AGAT)
• 输出成 TAIR/Ensembl 风格：--tair / --ensembl(AGAT)

示例（按 AGAT 文档给的写法）：

bash
agat_sp_manage_IDs.pl --gff file.gff -p level2 -p cds -p exon -o out.gff

(AGAT)

✅ 先“标准化/修复”再改 ID（当你的 gff3 不太规整时很重要）

AGAT 的 _sp_ 系列工具会先把文件标准化：补缺失的 parent feature、补 ID/Parent 这些必需属性、修复 ID 唯一性等。(GitHub Pages)
如果你拿到的是各种软件拼出来的 GFF（ID/Parent 不全、层级不稳），建议先跑一遍标准化再重编号。

---

2) AGAT：只想“让 ID 唯一 + 同步更新 Parent”

✅ agat_sq_manage_IDs.pl

它的描述很明确：改 ID，并且会把受影响的 Parent 也一起同步改掉，避免断链。(AGAT)
如果你不关心特定编号规则，只想快速“去重并保持层级关系”，这是很实用的一招。

---

3) 另一类现成工具：按映射表重命名（适合“旧ID→新ID”的一对一替换）

✅ seqrenamer (sr encode/decode)

这是个 Python 工具，支持 fasta/gff3/tsv/csv 的 ID 改名，也能用映射表做替换。它也强调 GFF3 里需要同时更新 ID 和 Parent 字段；并且对 GFF3 的“ID列”只支持 1-1 映射（因为多 Parent 会变得组合爆炸）。(GitHub)

适用场景：你已经有一张“旧ID ↔ 新ID”的表，想严格按表替换，而不是自动编号。

---

4) 补充：gffread（更偏“清理/重排/检查”，不主打重编号）

gffread 可以把注释“重写成更简洁的 GFF3”、并用 -E 暴露潜在格式问题。(GitHub)
但它的定位更像 cleanup/validation，不是专门的“批量重编号器”。

---

小建议（避免踩坑）

• 你如果要的是“统一规则的全新编号”（gene/mRNA/exon 都自动生成新 ID）：优先用 AGAT agat_sp_manage_IDs.pl。(AGAT)
• 你如果要的是“ID 唯一化，并确保 Parent 跟着改”：用 AGAT agat_sq_manage_IDs.pl。(AGAT)
• 你的 GFF3 不太规范/缺层级：先用 AGAT _sp_ 的标准化思路处理更稳（AGAT 会补 parent、补 ID/Parent、修复唯一性等）。(GitHub Pages)

如果你愿意贴一小段（几行）你的 GFF3（gene/mRNA/exon 的那几行就够），我可以直接告诉你用 AGAT 的哪组参数最贴合你想要的编号风格（比如“基因按染色体递增”、“每个 gene 下 exon 从 1 计数”、“TAIR/Ensembl 风格”等）。

可以，用 AGAT 做“gene 按染色体（seqid）+ 坐标递增”的关键点其实是两步：

1. 先把 GFF 做成按染色体、基因位置的拓扑排序（AGAT 里叫 tabix sorting：by chromosomes、by gene position、再按 feature type 的拓扑顺序）(agat.readthedocs.io)
2. 再对排序后的文件跑 agat_sp_manage_IDs.pl，它会把 ID 重写成“featureType-Number”或“prefix+Number”等形式（支持 --prefix / --nb / --ensembl / --type_dependent / --tair 等）(agat.readthedocs.io)

---

方案 A：全基因全局递增（chr1 的基因先编号，然后 chr2…）

Step 1：按染色体+位置做 tabix/topological 排序（并顺便修复/标准化）

agat_convert_sp_gxf2gxf.pl 的定位就是把任意 GTF/GFF 修复并输出“完整、已排序”的文件(GitHub)。而 tabix sorting 的用法在 AGAT 的“Topological sorting”页里给了示例：(agat.readthedocs.io)

bash
# 生成带 --tabix 行为的本地配置（会在当前目录放一个 agat_config.yaml）
agat config --expose --tabix

# 输出排序后的 GFF（拓扑顺序 + 染色体/坐标顺序）
agat_convert_sp_gxf2gxf.pl --gff in.gff3 -o in.sorted.gff3

这里的排序规则（AGAT --tabix）在文档里写的是：by chromosomes, by gene position, by type…(agat.readthedocs.io)

Step 2：按排序后的顺序重写 ID

bash
agat_sp_manage_IDs.pl \
  --gff in.sorted.gff3 \
  --prefix MyGene \
  --type_dependent \
  -p gene -p level2 -p level3 \
  -o in.renum.gff3

• --prefix：ID 会变成 $prefix.$letterCode.Number 这种形式(agat.readthedocs.io)
• --type_dependent：gene/mRNA/exon/CDS 各自从 1 计数（不然会混在一个流水号里）(agat.readthedocs.io)
• -p：限定要处理的 feature（可直接写 gene、或写 level2/level3 这类集合）(agat.readthedocs.io)
• 如果你想 Ensembl 样式的 11 位补零：加 --ensembl(agat.readthedocs.io)
• 想指定起始编号：--nb 1（默认就是 1）(agat.readthedocs.io)

---

方案 B：每条染色体单独递增（chr1: gene1..；chr2: gene1..）

AGAT 的 agat_sp_manage_IDs.pl 本身提供 按 feature type 分开计数（--type_dependent），但不提供“按 seqid 自动重置计数”的开关（文档选项里没有）。(agat.readthedocs.io)
要做到“每条染色体从 1 重新编号”，最稳的是按染色体拆开分别跑，再按染色体顺序拼回去：

bash
# 先排序/标准化（推荐）
agat config --expose --tabix
agat_convert_sp_gxf2gxf.pl --gff in.gff3 -o in.sorted.gff3

# 按染色体依次处理（示例：chr01..chr12；你也可以换成自己的列表）
for chr in chr01 chr02 chr03 chr04 chr05 chr06 chr07 chr08 chr09 chr10 chr11 chr12; do
  awk -v C="$chr" 'BEGIN{FS=OFS="\t"} /^#/ || $1==C' in.sorted.gff3 > "$chr.gff3"

  agat_sp_manage_IDs.pl \
    --gff "$chr.gff3" \
    --prefix "$chr" \
    --type_dependent \
    -p gene -p level2 -p level3 \
    --nb 1 \
    -o "$chr.renum.gff3"
done

# 合并时注意：GFF header（##gff-version 等）最好只保留一次
(head -n 1 chr01.renum.gff3; grep -v '^#' chr*.renum.gff3) > in.renum.byChr.gff3

---

两个容易踩的点

• “染色体递增”到底怎么比较？
  如果你的 seqid 是 chr1 chr2 ... chr10，很多工具（包括 tabix 生态）默认是字符串序，会出现 chr1 chr10 chr2。AGAT 文档只说 “by chromosomes”(agat.readthedocs.io)，不保证“自然数值顺序”。
  实务上建议：把染色体名做成 chr01 chr02 ...（零填充），或者像上面方案 B 那样你自己给出染色体顺序列表。
• 如果你希望 ID 里直接带“染色体号”的风格，可以试试 --tair（示例里会生成类似 AT1G01020 这种带 chr 编号的 ID）(agat.readthedocs.io)。但它更偏 TAIR 约定，是否完全符合你想要的命名规则要看你的 seqid 形式。

---

如果你把 **一小段 GFF3（包含 2-3 个 gene/mRNA/exon/CDS）**贴出来，并告诉我你想要的 ID 长相（比如 chr01g000001 还是 Gene000001 / AT1G01010），我可以直接给你一条最贴合的命令组合。

可以的：agat_sp_manage_IDs.pl 是“按输入文件出现顺序”依次重写 ID，所以你要实现“gene 按染色体递增”，关键是 先把 GFF 按染色体 + gene 坐标排序，再重编号。

下面给你一套对你这种结构（gene → mRNA → exon/CDS）最稳的流程。

---

1) 先按“染色体、gene 位置、feature 拓扑顺序”排序（tabix sorting）

AGAT 文档里称为 tabix sorting：by chromosomes、by gene position、by type…，并且会在需要时修复/标准化。 (AGAT Documentation)

bash
# 生成本地配置，并启用 tabix sorting
agat config --expose --tabix

# 输出排序后的（且更规范的）GFF3
agat_convert_sp_gxf2gxf.pl --gff in.gff3 -o in.sorted.gff3

这个步骤会让你的记录变成：Chr1A 的 gene 从小到大排、然后 Chr1B…（按 seqid 的排序规则来）。文档示例也就是用 agat config --expose --tabix 配合 agat_convert_sp_gxf2gxf.pl 得到 tabix sorting 的输出。 (AGAT Documentation)

⚠️注意：tabix/很多排序默认是按染色体名字符串序。像 Chr1A/Chr1B/Chr1D 通常没问题；但如果你有 Chr1 和 Chr10 这种，字符串序会把 Chr10 排在 Chr2 前面——这时要么把染色体名改成零填充（Chr01…Chr10），要么用下面“按染色体拆分重编号”的方案自定义顺序。

---

2) 再用 agat_sp_manage_IDs.pl 依排序结果重写 ID（实现递增编号）

agat_sp_manage_IDs.pl 会遍历 feature 重写 ID=；默认 featureType-Number，如果给 --prefix，则变成 $prefix.$letterCode.Number；还支持 --ensembl 生成 11 位补零编号。 (AGAT Documentation)

常用一条命令（gene/mRNA/exon/CDS 都一起改）

bash
agat_sp_manage_IDs.pl \
  --gff in.sorted.gff3 \
  --prefix TraesMM902 \
  --ensembl \
  --type_dependent \
  -p gene -p level2 -p level3 \
  -o in.renum.gff3

解释下你最关心的几个参数（都在文档里）：

• --type_dependent：让 gene/mRNA/exon/CDS 各自单独从 1 开始计数，不会混成一个总流水号。 (AGAT Documentation)
• -p gene -p level2 -p level3：只处理 gene（level1）以及 level2（如 mRNA）和 level3（如 exon/CDS）这些层级。 (AGAT Documentation)
• --nb（可选）：设置起始编号（默认 1）。 (AGAT Documentation)
• --prefix / --ensembl：控制新 ID 的格式（prefix + 字母码 + 11 位数字）。 (AGAT Documentation)

你这段示例会长得像这样（示意）

排序后 Chr1A:5432890 那个 gene 会比 Chr1A:19337050 先编号；Chr1B 的 gene 会在 Chr1A 之后编号（取决于排序后的染色体顺序）。

例如使用 --prefix TraesMM902 --ensembl：

• 第一个 gene：ID=TraesMM902.G00000000001
• 第二个 gene：ID=TraesMM902.G00000000002
• 下一个染色体上的 gene：ID=TraesMM902.G00000000003 （mRNA/exon/CDS 会用各自的字母码与计数）

---

如果你想“每条染色体单独从 1 开始编号”

agat_sp_manage_IDs.pl 提供按 feature type 分开计数（--type_dependent），但不提供按 seqid 自动重置的开关（文档选项里没有）。 (AGAT Documentation)
这种需求通常用“按染色体拆分 → 每条染色体跑一遍 → 合并”：

bash
# 先确保已按 tabix sorting 排好
agat config --expose --tabix
agat_convert_sp_gxf2gxf.pl --gff in.gff3 -o in.sorted.gff3

# 取排序后出现的染色体顺序（保持顺序，而不是 sort -u）
chroms=$(awk '!/^#/ {print $1}' in.sorted.gff3 | uniq)

first=1
> in.renum.byChr.gff3

for chr in $chroms; do
  # 拆分：保留注释行 + 当前染色体
  awk -v C="$chr" 'BEGIN{FS=OFS="\t"} /^#/ || $1==C {print}' in.sorted.gff3 > ${chr}.gff3

  # 每条染色体从 1 开始
  agat_sp_manage_IDs.pl \
    --gff ${chr}.gff3 \
    --prefix ${chr} \
    --type_dependent \
    --nb 1 \
    -p gene -p level2 -p level3 \
    -o ${chr}.renum.gff3

  # 合并：header 只保留一次
  if [ $first -eq 1 ]; then
    cat ${chr}.renum.gff3 >> in.renum.byChr.gff3
    first=0
  else
    grep -v '^#' ${chr}.renum.gff3 >> in.renum.byChr.gff3
  fi
done

---

一个小提醒（很常见但容易踩）

你贴出来的示例看起来像是“空格分隔”，但 GFF3 标准是 TAB 分隔 9 列。如果你的真实文件也是空格，先转成 tab（否则 AGAT 可能解析不稳）。

---

如果你告诉我你最终希望 gene ID 长什么样（比如还想保留 TraesMM902_1Axxxxx 这种“染色体+6位数字”风格，还是接受 PREFIX.G00000000001 这种），我可以把上面的 --prefix/--ensembl 组合和（必要的）后处理一步，直接改成最贴合你现有命名体系的版本。