序論 ヒトゲノムには約300億の塩基対が含まれており、科学者がゲノムをより効果的に理解し利用するために注釈が作成されています。 簡単に言えば、ゲノムは数十本（染色体）の長い文字列と見なすことができ、その異なる領域の機能を理解したいと思います。例えば、ある種の注釈として、染色体Zの位置Xから位置Yまでが遺伝子Dであるというものがあります。もちろん、現実はこれよりもはるかに複雑です。例えば、ある領域はエクソンであり、それは転写産物の一部であり、転写産物は遺伝子の一部であるため、複数のレベルで注釈付けされる可能性があります。 ゲノム注釈は通常、GTF（別名GFF2）またはGFT3形式で保存されます。これらの形式は表形式（例えばCSV）に非常に近いですが、慣れていない人にはアクセスしにくいです。 ここでは、最新のヒトゲノム注釈（GRCh38.92）の1つを単純なCSV形式に変換し、ゲノミクスに興味のあるデータサイエンティストが注釈内の構造を探索するよう促します。 変換は比較的簡単で、[gtf2csvリポジトリ](https://github.com/zyxue/gtf2csv)で見ることができます。簡単な説明に加えて、より詳細な技術的な詳細は[gtf2csv.py](https://github.com/zyxue/gtf2csv/blob/master/gtf2csv/gtf2csv.py)で提供されています。 謝辞 GTF形式の注釈は、ftp://ftp.ensembl.org/pub/release-92/gtf/homo_sapiens/Homo_sapiens.GRCh38.92.gtf.gzからダウンロードしたものです。 着想 ヒトゲノム注釈には非常に多くの情報が含まれており、可視化はそれを理解するための重要なキーの1つです。いくつかのゲノムブラウザ（例えば[UCSCゲノムブラウザ](http://genome.ucsc.edu//cgi-bin/hgTracks?db=hg38&position=lastDbPos)や[Ensemblゲノムブラウザ](https://uswest.ensembl.org/Homo_sapiens/Gene/Summary?db=core;g=ENSG00000012048;r=17:43044295-43170245)）が存在しますが、私は世界中のすべてのデータサイエンティストが簡単にアクセスできる形式でこのような情報を提供することで、より革新的な可視化や分析方法が作成され共有され、すべての人に利益がもたらされると考えました。