Extractor de Secuencias GFF3

El Extractor de Secuencias GFF3 recupera secuencias de nucleótidos de un genoma de referencia utilizando anotaciones GFF3. Soporta características como CDS, exons, genes y transcripts y produce salidas FASTA para análisis posteriores como descubrimiento de motivos o genómica comparativa.

Conceptualmente, la herramienta lee un FASTA del genoma y un archivo GFF3, construye un índice por contig y, para cada característica solicitada, recoge coordenadas, une segmentos de múltiples exones y respeta la dirección de la hebra para generar la secuencia exacta.

Ventajas incluyen extracción reproducible a través de pipelines, compatibilidad con formatos de archivo estándar y procesamiento eficiente para genomas grandes mediante streaming. Es útil para investigadores, docentes e ingenieros de flujos de trabajo que reúnen conjuntos de secuencias centrados en características.

Funciones principales: filtrado por tipo, extracción sensible a la hebra, unión de exones y encabezados FASTA descriptivos. Casos de uso: extracción de CDS para pruebas de traducción, recopilación de regiones promotoras y creación de un catálogo de secuencias de referencia.