我研究的物种没有lncRNA数据库，我该怎么办？

上一期介绍（罗列）了部分lncRNA数据库，收到了一个非常好的问题，我研究的物种没有lncRNA数据库，我该怎么办？

没有lncRNA数据库，那就建一个吧。嗯，这期我们就来聊聊一个轻量级的lncRNA数据库都做了哪些工作。

这是一个从RNA-seq数据中鉴定lncRNA的一般思路图（图片来源参考文献1）

我们大约需要做以下几步工作：

1，准备样品，准备钱，找公司测序。要想鉴定到足够多的lncRNA，还是选择去核糖体建库 (Ribo-zero)方式比较好，虽然这个比polyA建库要贵上不少，但是测的全（都怪那帮lncRNA不爱长A尾...）。当然这里的测序是指二代测序，要测三代？土豪随意（ps，目前国内的公司三代建库貌似都还只能用polyA）。

2，拿到数据，做转录本的拼接，也就是上图中的从RNA-seq data 到 Transcript models。这里头又因有无参考基因组，可分为两个主要的策略，相关的资料很多，就不展开说了。

3，过滤低质量的转录本（可考虑过滤掉表达值过低的一些转录本）

4，去除已经注释了的编码蛋白的转录本（如果有注释的话）

5，去除长度小于200bp的转录本。

6，利用lncRNA 识别工具对剩余转录本进行分类。能够进行这个工作的工具目前已有不少，如我们公众号介绍过的PLEK 和CNCI，就是很好用的工具。

7，对拿到的lncRNA 做注释。包括lncRNA的分类，miRNA靶点预测，甚至lncRNA 的功能预测等。

8，建立数据库网站，做基因组浏览等各种展示功能（如果你真的要做数据库的话~~； 1-6是从RNA-seq数据中鉴定新转录本的一般流程）

嗯，其实你只是想看看你做的lncRNA在别的数据库里面有没有记录，或者那些明星lncRNA在你的物种里面是不是存在？

那你要做的事情就是lncRNA的同源搜索啦。试试BLAST吧，并且记得祈祷你研究的lncRNA在序列上是保守的。毕竟lncRNA的保守性只比随机序列略高。

实际上，由于lncRNA的序列保守性不高，而表达的位置保守性较高，因此通过共线性去做lncRNA的同源搜索是一个可行的方式。也有报道说部分lncRNA拥有一些保守的结构域，那么通过类似于hmmer的软件进行二级结构的搜索也可能作为lncRNA注释的一种手段。但是，目前尚无很好的lncRNA同源搜索工具。如果你发现有，请别忘了告诉我。

PLEK: PLEK：区分mRNA和lncRNA的工具

请到「今天看啥」查看全文