【干货指南】如何查找及选择研究物种的参考基因组

随着高通量测序技术的飞速进步和测序成本的持续降低，越来越多的物种完成了全基因组测序与精细注释工作。目前NCBI基因组数据库的数据量呈指数级增长，且同一物种常存在多个版本。对于想做转录组测序等组学的研究者常常面临以下问题：1）目标物种是否存在参考基因组？2）若有多个版本，如何评估不同版本或特定品系基因组之间的优劣？3）如何高效获取最适合研究目的的基因组文件？生物信息学分析中参考基因组的选择直接影响下游结果可靠性——从序列比对效率到功能注释准确性。许多研究者曾遭遇参考基因组缺失、注释文件版本冲突、注释信息冗余或比对率异常等问题。今天伯小医为大家介绍一些常用的基因组数据库及不同数据格式的下载方法等内容，帮您建立一个更稳健的分析基础。

01 参考基因组简介

参考基因组是通过高通量测序技术对目标物种的DNA进行测序、组装和校对后，构建的标准化核酸序列文件（通常以FASTA格式存储，文件扩展名一般为fa或fasta），其完整记录了该物种基因组的ATCG碱基排列顺序，代表了该物种的遗传蓝图。而注释文件（如GFF/GTF格式）则是对参考基因组序列的功能解读，通过生物信息学方法标记出基因的位置、外显子-内含子结构等特征，并可能包含基因功能预测。两者的关系可类比为“密码”与“密码本”——参考基因组是未经解读的原始序列（密码），注释文件则提供了序列的生物学意义（密码本）。

在开展分析前，若不确定目标物种是否存在参考基因组，可以首先通过NCBI和Ensembl等主流数据库进行初步查询。若同一数据库存在多个基因组版本，需综合评估各版本的注释完整性（如基因结构预测、功能注释）、组装质量指标（如N50值）以及品种来源差异；当不同数据库收录同一物种基因组时，应比对基因组大小、注释一致性及更新日期等关键参数，优先选择注释更完善、更新更及时的版本。若主流数据库未收录目标物种基因组，可考虑：

（1）检索该物种已发表文献，重点关注基因组测序相关论文；

（2）分析该物种转录组研究的方法学部分，有参转录组分析通常会明确标注所用参考基因组来源；

（3）查询物种特异性基因组数据库。

02 常见参考基因组网站

（一）

NCBI（National Center for Biotechnology Information）是美国国家生物技术信息中心提供的综合性生物信息数据库，涵盖了广泛的基因组数据。作为生命科学领域最重要的数据库之一，NCBI整合了包括GenBank和RefSeq等多个子数据库系统，用于获取参考基因组数据。

 https://www.ncbi.nlm.nih.gov/

操作方

1、访问NCBI官网，在检索区左侧下拉菜单中选择"Genome"选项，右侧输入框填入物种名称，优先选择拉丁名（如小鼠"Mus musculus"），点击Search按钮执行检索。

2、当提交查询请求后，系统会弹出一个新页面，该页面以清晰的结构化表格形式展示目标物种的基因组相关信息。页面顶部通常会突出显示NCBI当前最为推荐的基因组版本（一般是最新版本，并带有【√】标识），同时也会列出历史版本供用户参考比对。这些基因组数据主要包含：基因组名称、GenBank编号、物种学名（包括拉丁名和常见物种名称）特定品系/变种、组装水平（优先选择染色体级完整组装的版本）和发布时间等。

3、选择其中一个基因组版本进入详情页可浏览基因组细节信息及下载相关数据文件。需注意：部分基因组仅提供genome.fa 文件下载，若对应注释文件未开放，建议更新基因组。