基因组学系列4:参考转录本数据库MANE

MongoDB基本操作 MongoDB是一个基于分布式文件存储 [1]的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。MongoDB是一个介于关系数据库和非关系数据库之间的产品,是非关系数据库当中功能最丰富,最像关系数据库的。它支持的数据结构非常松散,是类似json的bson格式,因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大,其语法有点类似于面向对象的查询语言,几乎可以实现类似关系数据库单表查询的绝大部分功能,而且还支持对数据建立索引。 阅读详情
AI摘要

MANE数据库旨在统一人类基因和转录本注释,提供一致性的参考标准。它包含MANEselect和MANEplusClinical两个主要集,覆盖了绝大多数人类蛋白质编码基因及临床相关基因。这些资源有助于提高科学研究和临床实践中的数据一致性。

1. 参考转录本数据库MANE简介

为了促进临床参照的一致性,美国国家生物技术信息中心( NCBI)和欧洲分子生物学实验室-欧洲生物信息学研究所(EMBL-EBI)合作发布了参考转录本数据库MANE(Matched Annotation from the NCBI and EMBL-EBI),旨在汇集人类基因和转录本注释,并定义一组全基因组的代表性转录本和人类蛋白质编码基因的相应蛋白质。

MANE转录本与GRCh 38参考基因组组装完全匹配,并且是基于生物相关标准(例如转录本表达水平和编码区的保守性)进行选择的。

虽然NCBI的RefSeq 和 EMBL-EBI的Ensembl GENCODE注释具有相似性,但它们在转录水平上可能不同,代表特定剪接结构或编码序列的转录物可能从两个基因组之一缺失。此外,代表相同剪接结构的转录物可能在非翻译区(UTR)的长度上不同,或者由于SNP而具有序列错配。因此,研究人员使用偏好的基因集来设计研究和报告结果,可能会发现很难将他们的工作与科学界的其他人交流。数据资源,如基因组浏览器和变异数据库,也可能使用不同的注释集来表示默认转录本,这可能会导致混淆。NAME转录物在RefSeq和Ensembl/GENCODE注释集中是相同的,当在大多数公共基因组资源中表示时,预计将促进科学界之间更好的沟通和数据交换。

NAME网址(提供NCBI和UCSC查看MANE推荐转录本示例):

https://www.ncbi.nlm.nih.gov/refseq/MANE/

2. MANE数据库的MANE select 和 MANE plus Clinical集

MANE的主要集有两个:MANE select 和 MANE plus Clinical;MANE(版本1.0)覆盖了99%的人类蛋白质编码基因和99.8%的临床相关基因。

MANE Select:

MANE Select集是由每个蛋白编码基因的一个代表性转录本组成,经计算机预测和专家组人工审核。该转录本通常作为临床报告的通用标准、基因组浏览器的默认配置等,作为临床报告的最终转录本编号。

MANE select选择流程

MANE Plus Clinical:

MANE Plus Clinical集合包括了一些基因的特殊转录本,考虑到某些基因会组织特异性表达,仅靠MANE Select就不足以报告公共资源中所有的“致病(P)”或“可能致病(LP)”临床变异,因此采用MANE Plus Clinical作为补充。

3. 基因与转录本关系

基因是指DNA上一段编码蛋白质或RNA的序列,而转录本则是从基因DNA序列转录成的RNA序列。一个基因若要发挥功能,需先转录为mRNA,进而转移到细胞质翻译成蛋白。转录过程中mRNA的加工(如选择性剪接、修饰等)可能会产生不同的可供编码蛋白质的成熟mRNA剪接体(即转录本)。

一个基因可能会有多个转录本,产生原因包括可变剪切、启动子的选择性使用、选择性起始、核糖体移码等 。

1)选择性剪接(Alternative splicing)

真核生物的基因CDS序列包含内含子(intron)和外显子(exon),两者相互交替,仅外显子能够转录成mRNA。通过选择性剪接可以将同一基因中的外显子以不同方式进行组合,进而形成不同的蛋白质。

2)启动子的选择性使用(alternative promoter usage)

同一个基因可结合不同的启动子,使用不同的启动子产生不同的mRNA转录本,导致产生多种蛋白。

3)选择性起始(alternative initiation)

同一条mRNA中含有多个起始密码子,通常产生的蛋白序列仅在N端有差异。

4)核糖体移码(ribosomal frameshifting)

一种翻译重编码机制,导致核糖体改变其对密码子的读取(即从一个阅读框位移到另一个阅读框),产生不是由mRNA直接编码的蛋白质,或者两种甚至更多种不同的蛋白质。

不同转录本产生的原因中,选择性剪接是研究较早且被广泛认知的,选择性剪接作为发育和组织特异性的调节因子,在组织发育和细胞分化中发挥着重要的作用。

4. MANE文件下载

MANE地址: https://ftp.ncbi.nlm.nih.gov/refseq/MANE/

MANE

# linux下载
# 下载1.3版本 MANE gtf
wget https://ftp.ncbi.nlm.nih.gov/refseq/MANE/MANE_human/release_1.3/MANE.GRCh38.v1.3.ensembl_genomic.gtf.gz

# 搜索BRCA1的第9号exon推荐转录本
zcat MANE.GRCh38.v1.3.ensembl_genomic.gtf.gz|grep BRCA1|grep 'exon_number 9'
# RefSeq:NM_007294.4

查询结果

互作转录组常用数据库介绍 互作转录组可研究两个物种或多个物种的相互作用机制,也就是说利用该研究方法,我们不仅可以得到宿主防御病原菌机制,也可以研究病原菌如何侵染宿主。关于病原菌如何导致宿主患病和宿主如何防御病原菌入侵,一直以来就是生物学研究的重要内容,因此在很长的研究历程中,就有了各种宿主病原体相关的数据库,本次就为大家介绍一下研究中可能会用到的数据库。 1.TOP1(强烈推荐) PHI-base1、PHI-base http://www.phi-base.org/ 该数据库收录的主要是被实验证实具有毒力和效应基因的细菌、卵菌、真菌 阅读详情

相关推荐

获取基因的所有转录本(不同亚型)的外显子区域

1. 基因转录本亚型 蛋白质亚型或“蛋白质变体“是一组高度相似的蛋白质成员,这些成员来源于单个基因或基因家族,是遗传差异造成的结果。虽然许多具有相同或相似的生物学作用,但一些亚型具有独特的功能。这些高度相似的蛋白质亚型可以由可变剪切(图1)、可变启动子或单基因的其他转录后修饰形成,通常不考虑翻译后修饰。通过RNA剪切机制,mRNA具有从基因中选择不同蛋白...

weixin_30651273的博客 3661

如何选择最适转录本序列构建过表达质粒

主要利用的数据库有 NCBI 和 Uniprot 数据库,首先在 NCBI 检索绵羊 PPARG 基因信息,可以发现绵羊 PPARG 有8个转录本,而人就更多了,有16个转录本。这时就需要明确一个概念,构建过表达质粒使用的是 CDs 序列,转录本一般是包含CDs序列和非编码序列,因此,不。因为除人、小鼠、果蝇等模式生物外,其他物种一般均是 Predicted mRNA,缺少必要的验证信息,因此需要。

人间飞羽 3375

ROST_CM6软件之词频分析、社会网络和语义网络分析、情感分析

简介 ROST CM 6是武汉大学沈阳教授研发编码的国内目前唯一的以辅助人文社会科学研究的大型免费社会计算平台。该软件可以实现微博分析、聊天分析、全网分析、网站分析、浏览分析、分词、词频统计、英文词频统计、流量分析、聚类分析等一系列文本分析。 社会网络和语义网络分析(S) 数据 注意,保存时编码要为ANSI 所以这里需要转换一下 准备自定义表与停词表 例如 同时,点击快速分析后,将会弹出网络图 对网络图进行设置 对布局进行设置 对节点、边进行设置 最终效果图 修改 情感分析

积一时之步,臻千里之遥程 9万+

CHESS 3:基于大规模表达数据、系统发育分析和蛋白质结构的改进、全面的人类基因和转录本目录

CHESS 3: an improved, comprehensive catalog of human genes and transcripts based on large-scale expression data, phylogenetic analysis, and protein structure

NingMeng1024的博客 1200

Drupal远程代码执行漏洞(CVE-2018-7600)实战复现:从检测到写入WebShell的全过程

本文详细解析了Drupal远程代码执行漏洞(CVE-2018-7600)的实战复现过程,从环境搭建、漏洞检测到WebShell写入的全流程。该高危漏洞影响Drupal 6.x至8.x版本,允许攻击者未经授权执行任意代码。文章提供了多种POC构造方法和高级利用技巧,帮助安全研究人员深入理解漏洞原理并掌握验证技术。

weixin_29322553的博客 276

从零搭建私有AI工作站:Ollama+DeepSeek+Dify本地化部署全攻略

本文提供了一份详尽的本地化AI工作站搭建指南,核心在于实现数据安全与离线可用。通过整合Ollama、DeepSeek与Dify三大工具,手把手教你完成从环境配置、模型部署到可视化应用构建的全过程,重点解决了Dify连接Ollama等关键步骤,助你打造一个完全自主可控的私有AI开发环境。

weixin_28396629的博客 314

关于基因的那些事(1)

关于基因的那些事(1) 文章目录关于基因的那些事(1)1. 基因ID2. refGene每一列不同的含义 1. 基因ID 对于一个基因会有不同的mRNA转录本,进一步会有不同的蛋白异构体。在gene数据库里对于转录本和蛋白的编号是以NM和NP开头的。如果是NM的话则代表是转录本编号,如果是NP的话则是蛋白编号。我们检索的这个基因是一个非编码的RNA(ncRNA)的话,那关于转录本的注释就从之前的NM开头变成了NR开头了。 2. refGene每一列不同的含义 第1列bin:Indexing field t

羊羊的博客 3512

AlphaFold-multimer 复合物结构预测

是DeepMind开发的AlphaFold项目的一个扩展,旨在预测蛋白质多聚体的三维结构。蛋白质多聚体是由多个蛋白质亚单位相互组装而成的结构,如酶、膜蛋白复合物和病毒颗粒。理解多聚体的结构对于揭示蛋白质的功能和相互作用非常重要。

MurphyStar的博客 5650

如何下载关于人类或者其它物种的全部转录本名称(NM_)

记录 如果我在已经有了基因名的情况下,可以有几种方法 1.通过NCBI的GENE数据库 1)首先进入到https://www.ncbi.nlm.nih.gov/gds/中,然后选择你要的基因 2)例TP53,需要观察物种 3)选择并点击,进入,ctrf + F,输入 NCBI Reference Sequences (RefSeq) ,查询这个基因所具有的转录本 ,结果如下 总结:这种方法适用于基因个数比较少的情况,当基因个数比较多时,则需要利用R包biomart进行转换,或者数据库资源 2. 数据库资源

wish_to_top的博客 7534

5、癌症数据预处理技术与深度学习在癌症预测中的应用

本文详细介绍了癌症数据预处理技术和深度学习在癌症预测中的应用。针对CT扫描图像、X射线图像、超声图像、基因表达数据和文本数据等不同类型的癌症数据,分别阐述了去噪、插值、配准、归一化等预处理技术的具体方法。同时,分析了深度学习在乳腺癌、白血病和宫颈癌预测中的作用,结合相关影响因素探讨了模型的应用潜力。此外,还总结了深度学习在癌症预测中面临的挑战及未来发展方向,为癌症的早期诊断与精准预测提供了理论支持和技术参考。

alice7model的博客 123

Kong API Gateway 配置与深入

Kong是一个开源的、高性能的API网关,提供了一种简单易用的服务间路由、流量管理和安全防护方案,其最初起源于Nginx Inc.,但后迁移至Apache Software Foundation。Kong支持RESTful、GraphQL、TCP/UDP等协议,可与AWS Lambda、Azure Functions、Google Cloud Functions等云函数平台集成。其主要功能包括:服务发现与负载均衡、请求代理、身份认证与授权、缓存、日志记录、监控指标、灰度发布、多种插件等。

AI天才研究院 2286

数据库——转录组数据库大全

以下是常用的转录组数据库,转载于。

的博客 1965

135、转动惯量辨识方法

<think>我们要求根据内容生成≤150字的文章摘要。内容是关于电机控制中转动惯量辨识的方法和工程经验。摘要需简洁概括核心:转动惯量重要性、三种方法(加减速法、正弦扫频、MRAS)、工程注意点(摩擦补偿、采样同步等)、实用建议(组合使用、滤波限幅、安全保护)。字数严格≤150。需要提炼。</think>转动惯量辨识是电机控制的关键,负载变化会导致速度环失稳。工程常用加减速法(简单可靠)、正弦扫频法(高精度)、MRAS在线辨识。实操需补偿摩擦、同步采样、控制激励幅度。建议混合使用,辨识结果需滤波限幅,并设置

2401_88858637的博客 41

已知转录本test.ID,根据biomart包批量获得ensembl数据库中对应序列信息,并以fa格式输出

已知转录本test.ID,根据biomart包批量获得ensembl数据库中对应序列信息,并以fa格式输出

leafy6411的博客 1005

【OpenClaw从入门到精通】第12篇:OpenClaw 2026子代理实战全攻略:用ACP架构搭建多智能体协作网络(附完整代码)

本文聚焦OpenClaw 2026.3.2版本默认启用的ACP(Agent Communication Protocol)子代理机制,从核心概念、底层原理到企业级实操全流程拆解。先解析子代理的定义、ACP协议通信原理及主从代理分工逻辑,再提供环境准备的详细步骤(版本验证、配置调整、技能安装);随后通过三个递进式虚拟案例(客服分流、智能文档处理、企业级招聘全流程),提供可直接运行的完整代码、执行结果及技术要点解析;最后补充子代理管理运维、性能优化与避坑指南。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 2385

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

基础知识:基因,转录本,CDS和转录因子等

遗传学基因基础知识

hgz2020的博客 1万+

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

mysql数据库的简单操作

1.show databases; -->>显示所有的数据库 mysql> show databases; | Database | | information_schema | | mysql | | performance_schema | | test | 2.create database 数据库名...

weixin_44439678的博客 241

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

ensembl数据库BioMart使用,查找转录本ID在ensembl与refseq中的对应关系

如何查找 转录本ID在ensembl与refseq中的对应关系 Ensembl数据库地址: http://grch37.ensembl.org/index.html 进入BioMart 选择DataSet 点击左侧 Filter 可以选择一些条件 点击Attributes 点击GENE选择特征 ,勾选 Gene name , Transcript name 点击EXTERNAL, 在 External References 中选择需要转换对应的外部数据库的种类信息,勾选 Refseq的转录本ID

qq_42962326的博客 6886

Canonical_transcript-经典转录本

1.life平台对于经典转录本的定义https://ionreporter.thermofisher.com/ionreporter/help/GUID-A5502535-2C81-46FD-93C2-50FCB1F02CFD.html 2.ACMG 推荐的经典转录本,但是目前数量只涉及到1000多个基因http://www.lrg-sequence.org 3.一般一个基因对应多个经典转录本,为...

fanyucai1 2346

TransDecoder识别转录本中编码区并预测蛋白

TransDecoder可以识别转录本序列中的编码区域,如:Trinity从头组装、Tophat和Cufflinks将RNA-Seq比对到基因组转录本结果 TransDecoder 基于以下标准识别可能的编码序列: 1) 在转录本序列中需要能够找到一个(满足)最小(限定)长度的ORF; 2) 对数似然数得分大于0。(与GeneID软件计算得到的得分相类似); 3...

sax_157001的博客 1万+

用R统计人类基因所有的转录本的分布情况

一、数据的获取    首先,从ensembl genome browser 92数据库里找到biomart选项:        然后进入biomart 选择使用的资料组(dataset):Human genes (GRCh38.p12)基因组信息。 再选择属性(attribute)为:Wikigene name与Transcript name(External References中),然后点击r...

生信小白学习历程 3322

转录组数据库介绍

一、nt和nr数据库 nt库和nr库大家都比较熟悉,一个核酸库,一个蛋白库,两者既可以通过NCBI进行在线BLAST,也可以在ftp://ftp.ncbi.nih.gov/blast/db地址中将如下文件下载后,进行 本地BLAST。在此还是简单说明一下在线比对方法: 打开https://blast.ncbi.nlm.nih.gov/Blast.cgi,根据下表选择合适的程序(图表来自网络) ...

weixin_33810302的博客 4209

关于各种转录因子的数据库

1 、 TRANSFAC ( http://www.gene-regulation.com/pub/databases.html#transfac) 德国生物工程研究所开发的 TRANSFAC 数据库是关于转录因子、它们在基因组上的结合位点和与 DNA 结合的 profiles 的数据库。由 SITE 、 GENE 、FACTOR 、 CLASS 、 MATRIX 、 CELLS 、 MET

huyongfeijoe的专栏 2万+

使用TransDecoder寻找转录本中的编码区

TransDecoder能够从转录本序列中鉴定候选编码区。这些转录本序列可以来自于Trinity的从头组装,或者来自于Cufflinks或者StringTie的组装结果。 软件安装 从https://github.com/TransDecoder/TransDecoder/releases下载最新版的TransDecoder,以v5.5.0为例 mkdir -p ~/opt/bio...

xuzhougeng blog 5063

适合做数据分析的 AI 工具怎么选:五类任务对应五类工具

选数据分析 AI 工具这件事,答案取决于三个条件:你的任务类型、技术门槛,以及要不要做工程化交付。先把结论放在前面:临时看看数据,用聊天式对话分析;日常表格处理,用 Excel/WPS AI;团队看板和口径管理,用商业 BI 或开源 BI;写代码做专业分析,用 Python 生态加编码助手;如果是多文件工程、要跑通并验证、要留版本记录,就进入 AI 原生 IDE 的领地。把“工具哪个好”换成“我属于哪类任务”,选型就不再是排行榜问题,而是条件匹配问题。

2603_96806404的博客 244

智能数据分析平台深度评测:主流产品优劣势与适用场景解析

智能数据分析平台的选型,核心是判断企业当前处于哪个数据阶段、下一步要解决什么问题。四款平台各有明确的能力侧重:帆软 FineBI 强在报表与指标体系的标准化,观远数据强在行业场景与决策智能,火山引擎 DataWind 强在字节生态与对话式问数,ThinkingAI 的价值在于把"分析"推进到"行动",让数据闭环真正转起来。与其纠结哪家功能更多,不如先用一个真实业务问题做验证,最快能跑通闭环的那一个,往往就是当前阶段的最优解。

效率工作研究中心 89
上一篇: 生信技能56 - 去除重复BAM文件的窗口reads计数方法
下一篇: 轻量级TinyDB数据库文件写入和增删改查操作
生信与基因组学
博客等级 码龄9年 7209粉丝 257原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信与基因组学

每一份鼓励是我坚持下去动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值