科学网 › 标签 › gtf

标签: gtf

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

Ensembl/Gencode数据库中基因注释统计: hayidahubei 2018-12-18 09:14; 现在基因组非编码区域的注释条数越来越多，那么究竟注释了多少非编码基因，多少假基因呢？这里仅以Gencode数据库中人类和老鼠的最新注释为例。在老鼠的注释信息中（Gencode M19），注释的基因数目总共为5.44万。其中蛋白编码基因大致是2.2万，lncRNA基因和假基因大致为1.3万。在人类的注释信息中（Gencode V29），注释的基因数目总共为5.87万。蛋白编码基因大致是2万；lncRNA基因和假基因大致分别为1.6万和1.47万。每类具体数目如下： GENCODE M19 GENCODE V29 TYPE COUNT TYPE COUNT Total No of Genes 54446 Total No of Genes 58721 Protein-coding genes 21969 Protein-coding genes 19940 Long non-coding RNA genes 12840 Long non-coding RNA genes 16066 Small non-coding RNA genes 6108 Small non-coding RNA genes 7577 Pseudogenes 13033 Pseudogenes 14729 - processed pseudogenes 9772 - processed pseudogenes 10679 - unprocessed pseudogenes 2873 - unprocessed pseudogenes 3535 - unitary pseudogenes 39 - unitary pseudogenes 219 - polymorphic pseudogenes 79 - polymorphic pseudogenes 41 - pseudogenes 67 - pseudogenes 18 Immunoglobulin/T-cell receptor gene segments Immunoglobulin/T-cell receptor gene segments - protein coding segments 494 - protein coding segments 408 - pseudogenes 203 - pseudogenes 237 Total No of Transcripts 137767 Total No of Transcripts 206694 Protein-coding transcripts 57776 Protein-coding transcripts 83129 Nonsense mediated decay transcripts 6816 Nonsense mediated decay transcripts 15291 Long non-coding RNA loci transcripts 18065 Long non-coding RNA loci transcripts 29566 以前只要是非编码我大致都认为是不能翻译成氨基酸的。但是后来越来越多的文章指出很多的非编码区域是可以翻译出氨基酸的。既然是可以翻译出氨基酸，那么就应该有起始密码子和终止密码子，也有可能有UTR区域了。出于个人好奇，我统计ensembl数据库中人类（ Homo_sapiens.GRCh38.94.gtf ）和老鼠（ Mus_musculus.GRCm38.94.gtf ）的每类注释的具体数目，以及这些注释中蛋白编码基因所占的总数目。具体数目如下表所示。 Mus_musculus.GRCm38.94.gtf Homo_sapiens.GRCh38.94.gtf TYPE AllAnnotation OnlyPcg Ratio TYPE AllAnnotation OnlyPcg Ratio CDS 512583 511014 0.996939 CDS 746504 745198 0.998251 5'UTR 92374 92064 0.996644 5'UTR 149930 149646 0.998106 3'UTR 83692 83574 0.99859 3'UTR 148491 148326 0.998889 start_codon 58377 57823 0.99051 start_codon 86454 86115 0.996079 stop_codon 54262 54141 0.99777 stop_codon 78562 78453 0.998613 exon 813724 734421 0.902543 exon 1262162 1119281 0.886797 transcript 137862 99138 0.71911 transcript 206601 151150 0.731603 gene 54532 22046 0.404276 gene 58735 19951 0.339678 #AllAnnotation: gtf文件中的所有注释信息。OnlyPcg:仅仅来源于蛋白编码基因的注释信息。虽然在ensembl/gencode数据库中注释的蛋白编码基因仅仅只占总基因的34%（人类）和40%（老鼠），但是CDS, 5'UTR, 3'UTR,起始密码子和终止密码子的注释几乎全部来自蛋白编码基因。为了进一步确定在这些注释文件中非编码区域是否存在CDS, 5'UTR, 3'UTR,起始密码子和终止密码子。我又进行了如下的统计(如下表所示). Homo_sapiens.GRCh38.94.gtf Type All Pcg Pseudo Lnc Snc CDS 746504 745198 533 0 0 5'UTR 149930 149646 76 0 0 3'UTR 148491 148326 128 0 0 start_codon 86454 86115 89 0 0 stop_codon 78562 78453 74 0 0 exon 1262162 1119281 43197 90747 7085 gene 58735 19951 15224 15949 7073 transcript 206601 151150 18404 29237 7085 #Pcg: protein-coding genes; Pseudo: Pseudogenes; Lnc: long non-coding genes; Snc: small non-coding genes Mus_musculus.GRCm38.94.gtf Type All Pcg Pseudo Lnc Snc CDS 512583 511014 404 0 0 5'UTR 92374 92064 122 0 0 3'UTR 83692 83574 89 0 0 start_codon 58377 57823 119 0 0 stop_codon 54262 54141 90 0 0 exon 813724 734421 22780 48732 6094 gene 54532 22046 13037 12673 6090 transcript 137862 99138 13947 17808 6091 现在的Ensembl数据库人类和老鼠的最新注释中，long/small non-coding genes都没有CDS, 5'UTR, 3'UTR,起始密码子和终止密码子。但是假基因都有。; 个人分类: 基因组注释信息|9282 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: gtf

相关帖子

相关日志

关闭安全验证