相信，基因信息檢索涉及到我們每個(gè)科研實(shí)驗(yàn)人員每天的日常實(shí)驗(yàn)中，而用的多的幾個(gè)數(shù)據(jù)庫(kù)莫過(guò)于NCBI RefSeq，Ensemble，mirBase三個(gè)數(shù)據(jù)庫(kù)。那這三個(gè)數(shù)據(jù)庫(kù)中基因信息都是根據(jù)什么規(guī)則來(lái)命名的呢？
一、NCBI RefSeq
NCBI RefSeq(美國(guó)國(guó)立生物技術(shù)信息中心參考序列庫(kù))是目前世界上最具有權(quán)威性的序列數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)中所有的數(shù)據(jù)是一個(gè)非冗余的、提供參考標(biāo)準(zhǔn)的數(shù)據(jù)，包括染色體、基因組（細(xì)胞器、病毒、質(zhì)粒）、蛋白、RNA等。
NCBI RefSeq的命名規(guī)則是以兩個(gè)字母開(kāi)頭，后面跟“_”，然后是純數(shù)字，常見(jiàn)的有“NM_”、“XM_”、“NR_”、“XR_”。有三點(diǎn)需要清楚：
1、“NM_”、“XM_”命名的記錄代表的是編碼基因，“NM_”對(duì)應(yīng)“NP_”，“XM_”對(duì)應(yīng)“XP_”；
2、“NR_”、“XR_”命名的記錄代表的是非編碼基因；
3、“XM_”，“XR_”通過(guò)計(jì)算機(jī)算法預(yù)測(cè)得到，而“NM_”和“NR_”都是有一定得實(shí)驗(yàn)數(shù)據(jù)支撐，但并不是說(shuō)“XM_”和“XR_”就不存在于細(xì)胞中。NCBI RefSeq一直在更新，這些命名的記錄代表的是一種狀態(tài)，經(jīng)常會(huì)碰到某個(gè)“XM_”記錄被“NM_”代替，或者“NM_”記錄由于缺少證據(jù)而從NCBI RefSeq刪除。
更多命名含義如下圖：
二、Ensemble
Ensembl基因組數(shù)據(jù)庫(kù)項(xiàng)目是歐洲生物信息研究所和Wellcome Trust Sanger研究所之間的一個(gè)聯(lián)合科學(xué)項(xiàng)目。Ensembl旨在為遺傳學(xué)家，分子生物學(xué)家和其他研究我們自己的物種和其他脊椎動(dòng)物和模式生物的基因組的研究人員提供集中資源。Ensembl是用于檢索基因組注釋信息的幾種眾所周知的基因組瀏覽器之一。我們?cè)贓nsembl中進(jìn)行檢索主要使用的是Ensembl Stable ID，也就是常說(shuō)的Ensembl ID。Ensembl ID也是有自己的命名規(guī)則的，有幾點(diǎn)需要清楚：
1、 Ensembl Stable ID是來(lái)源于Ensembl數(shù)據(jù)庫(kù)的編號(hào)系統(tǒng)。它的命名由三部分組成：[species prefix][feature type prefix][a unique eleven digit number]. （根據(jù)不同物種設(shè)置的前綴+數(shù)據(jù)所指類型【例如，蛋白質(zhì)，基因】+一段特定的數(shù)字），
2、 常見(jiàn)的物種前綴：ENS代表Homo sapiens (Human)；ENSMUS代表Mus musculus (Mouse)；ENSRNO代表Rattus norvegicus (Rat)；
3、 常見(jiàn)的數(shù)據(jù)類型：字母“G”代表gene，比如小鼠基因就命名為ENSMUSG###########；字母“T”代表transcript，比如ENSMUST###########；字母“P”代表protein，比如ENSMUSP###########。
4、 有時(shí)有不同的版本, 則在 Ensembl ID 后面加上小數(shù)點(diǎn)和版本號(hào)（例如：ENSG00000223972.5）。如果要查詢ENSG00000223972.4，則需要去其他release中查找，目前已經(jīng)更新到release 97。
三、miRbase
miRbase 是由曼徹斯特大學(xué)的研究人員開(kāi)發(fā)的一個(gè)在線的miRNA數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)中收錄了來(lái)自200多個(gè)物種，接近4萬(wàn)個(gè)miRNA的信息，是最全面的miRNA數(shù)據(jù)庫(kù)。microRNA(miRNA)是一類長(zhǎng)度約為19-25nt的內(nèi)源性非編碼RNA，廣泛參與基因轉(zhuǎn)錄后調(diào)控活動(dòng)，其中多數(shù)miRNA具有高度序列保守性、表達(dá)時(shí)序性和組織特異性。有幾點(diǎn)需要清楚：
1、 pri-miRNA, pre-miRNA 和 mature miRNA的概念：成熟的miRNAs是由較長(zhǎng)的初級(jí)轉(zhuǎn)錄物經(jīng)過(guò)一系列核酸酶的剪切加工而產(chǎn)生的，初級(jí)轉(zhuǎn)錄物稱為pri-miRNA。pri-miRNA長(zhǎng)度從幾百到幾千個(gè)堿基不等，帶有5‘帽子和3’polyA尾巴，以及1到數(shù)個(gè)發(fā)夾徑環(huán)結(jié)構(gòu)。Pri-miRNA經(jīng)剪切產(chǎn)生約70個(gè)堿基的miRNA前體，即pre-miRNA。pre-miRNA經(jīng)進(jìn)一步剪切，形成長(zhǎng)度約為22個(gè)堿基的單鏈成熟miRNA；
2、 常見(jiàn)物種hsa，mmu和rno分別代表人，小鼠和大鼠；
3、 在mirbase數(shù)據(jù)庫(kù)中，pre-miRNA用mir表示，mature miRNA用miR表示；
4、 絕大多數(shù)pre-miRNA可以產(chǎn)生兩個(gè)mature miRNA，對(duì)應(yīng)pre-miRNA莖環(huán)結(jié)構(gòu)5‘和3‘序列的mature miRNA分別加后綴-5p和-3p以示區(qū)分，如rno-miR-325-5p和rno-miR-325-3p；
5、 位于基因組不同部位但產(chǎn)生同樣的mature miRNA的pre-miRNA在序號(hào)后添加短線和阿拉伯?dāng)?shù)字以示區(qū)別，如hsa-mir-199a-1, hsa-mir-199a-2；
6、 高度同源的miRNA(microRNA)在數(shù)字后加上英文小寫字母(a，b，c，)區(qū)分，如hsa-miR-34a,hsa-miR-34b,hsa-miR-34c等，通常他們的mature miRNA僅相差1－2個(gè)堿基，且他們的seed sequence相同，也就是說(shuō)他們調(diào)控的靶基因相同；
7、 在一些miRNA與靶基因3UTR結(jié)合位點(diǎn)預(yù)測(cè)數(shù)據(jù)庫(kù)有時(shí)會(huì)看到帶有“*”的mature miRNA，比如hsa-miR-199a*，以前“*”表示對(duì)應(yīng)的mature miRNA表達(dá)量低或者是次要產(chǎn)物，但是現(xiàn)在miRbase數(shù)據(jù)庫(kù)已經(jīng)取消這樣的命名，即如果一個(gè)pre-miRNA有兩個(gè)mature miRNA，用-5p和-3p以示區(qū)分。但是miRbase數(shù)據(jù)庫(kù)會(huì)告知以前名稱與現(xiàn)在名稱的對(duì)應(yīng)關(guān)系。
三個(gè)常用數(shù)據(jù)庫(kù)的命名規(guī)則就到這里，了解數(shù)據(jù)命名規(guī)則特別是mirbase和Ensemble兩個(gè)數(shù)據(jù)庫(kù)可以很快速的知道基因信息對(duì)應(yīng)的物種(比如人，小鼠，大鼠)，數(shù)據(jù)類型（基因，轉(zhuǎn)錄本，蛋白），對(duì)于我們對(duì)信息準(zhǔn)確與否的簡(jiǎn)單判斷非常有幫助。
