Ensembl数据库的lncRNA分类-生信自学网

Ensembl数据库的lncRNA分类

TCGA数据库热度的持续上升，让另外一个数据库也访问量剧增，做过TCGA数据库分析的，都知道，TCGA的基因名采用的就是Ensembl ID，这样确保了基因的唯一性，6万多个基因的表达数据，确实需要一个容易辨识的gene name。TCGA数据库命名是非常严谨和前瞻性的，所以对命名要求很高，做过TCGA分析的就有这样的感觉，虽然TCGA数据量体极大，但数据非常规整，Ensembl ID被选中作为基因名称，随着TCGA分析不断升温，Ensemble热度也再上升中，而且这种趋势不断明显。

Ensemble ID

最近再分析lncRNA相关的工作，首要的是解决mRNA和lncRNA的定量问题，目前已知的lncRNA的数据库有GENCODE，NONCODE等。NONCODE上面的命名方式不太通用，但是注释的物种相对较多，而GENCODE注释信息相对通用，但是只有人和小鼠的注释信息。

再选择GENCODE作为lncRNA的参考数据库，查看GTF文件的时候发现其版本信息与Ensemble是对应的。

下载Ensemble的gtf文件，根据gtf文件最后一列的“gene_biotype”来确定基因的类型。分类说明：下载之后可以根据gtf文件提取每个基因的基因类型，“gene_biotype”说明可以参考网站的说明。