北京基因组所（国家生物信息中心）马利娜等应邀在Nature Reviews Molecular Cell Biology宣布长非编码RNA数据库评述文章
近日 ，球速体育(国家生物信息中心)马利娜副研究员应Nature Reviews Molecular Cell Biology 邀请 ，联合章张研究员 ，宣布题为“The contribution of databases towards understanding the universe of long non-coding RNAs”的评述 ，系统总结了长非编码RNA（long non-coding RNA ，lncRNA）数据库的类型及特点 ，讨论生物数据库在lncRNA研究的机缘和挑战中将如何发挥作用 。
LncRNA是一类长度凌驾200个核苷酸的RNA分子 ，没有卵白编码能力或卵白编码能力有限 。LncRNA普遍保存于动植物中 ，其在人类中的数量甚至凌驾了卵白编码基因 ，在疾病、稳态平衡、应激反应中发挥至关重要的调理作用 。随着lncRNA的广泛研究和相关组学数据的迅速积累 ，愈发需要全面收集lncRNA并提供高质量注释 ，以及全面了解lncRNA与种种疾病、性状和表型的关联 ，增进对lncRNA功效的系统研究 。近年来 ，lncRNA相关数据库不绝生长壮大 ，截至本评述文章撰写之时 ，作者收集了130余个lncRNA专题或以lncRNA为主要研究工具的生物数据库 ，划分为“鉴定与整合”、“组学特征解析”、“知识关联”三个主要类型 。
“鉴定与整合”类型的数据库为研究lncRNA的多样性和生物学功效提供最为基础的序列和基因组注释信息 ，包括GENCODE、CHESS、FANTOM CAT、MiTranscriptome、NONCODE、LncBook、RNAcentral等数据库 。其中人类lncRNA的鉴定和数据整合是研究重点 ，海内外已有10余个相关数据库 。由于鉴定标准、测序计划、样本的差别 ， lncRNA数据集之间保存较大差别 ，并且随着差别物种中lncRNA的大规模鉴定 ，lncRNA的比较与整合将成为基因组学研究中的基础环节 ，迫切需要构建流程化和自动化的整合工具 ，以为各项研究提供全面和高质量的lncRNA数据集 。
另一方面 ，lncRNA被称为基因组中的“暗物质” ，大部分lncRNA具有生物学功效照旧仅为“转录噪音”仍是一个保存争议的话题 。“组学特征解析”数据库提供富厚多样的分子特征如动态表达、相互作用、基因组变异、表观遗传修饰、编码小肽、表达数量性状基因座等 ，为掘客具有潜在生物学功效的lncRNA并了解其调控机制提供数据参考 。代表数据库包括TANRIC、LncExpDB、starBase/ENCORI、NPInter、DIANA-LncBase、LncBook、LncSEA等 。鉴于目前仅有极小一部分lncRNA的功效被研究 ，且其主要调控机制尚不清楚 ，仍需对lncRNA的组学特征进行系统深入的刻画与解析 。
随着越来越多的lncRNA被实验研究 ，lncRNA相关知识逐渐积累 ，爆发了LncRNADisease、Lnc2Cancer、LncRNAWiki、EVLncRNAs等数据库或知识库 。这些库主要通过文献审编获得lncRNA与差别疾病、性状和表型的关联 ，注释相关调控机制、靶基因、代谢通路、生物学历程等 ，增进对lncRNA功效的系统了解 ，并为lncRNA生物学功效预测提供数据 。然而由于标准不统一、命名不规范等 ， lncRNA的名称、基因结构、编码性质保存差别版本和变革 ，严重阻碍了lncRNA的数据审编和功效研究 �？悸堑絣ncRNA与部分信使RNA（mRNA）具有相似的分子特征 ，并且一个基因可能同时编码卵白编码和非编码转录本 ，在基因层面进行严格分类将会引发lncRNA功效研究的诸多问题 ，有须要生长新的基因分类和命名要领 。
LncRNA是继mRNA后的另一大类RNA分子 ，调控人类健康与疾病 ，是未来临床检测治疗和药物研发的新靶点 ，是人类物种特性研究的要害工具 。然而其数量庞大、种类庞大、功效多样 ，以及普遍特异性强、表达量低的特性 ，为深入研究带来极大挑战 。数据库在数据审编与挖掘方面 ，需建立统一的lncRNA鉴定、表征和关联研究的标准和要领 ，以构建完整的lncRNA研究体系 。国家生物信息中心将连续完善lncRNA数据资源体系 ，推感人类基因组的全面注释息争析 。
文章链接
