近日，中國科學院北京基因組研究所(國家生物信息中心)馬利娜副研究員應Nature Reviews Molecular Cell Biology 邀請，聯合章張研究員，發表題為“The contribution of databases towards understanding the universe of long non-coding RNAs”的評述，系統總結了長非編碼RNA（long non-coding RNA，lncRNA）數據庫的類型及特點，討論生物數據庫在lncRNA研究的機遇和挑戰中將如何發揮作用。

　　LncRNA是一類長度超過200個核苷酸的RNA分子，沒有蛋白編碼能力或蛋白編碼能力有限。LncRNA普遍存在于動植物中，其在人類中的數量甚至超過了蛋白編碼基因，在疾病、穩態平衡、應激反應中發揮至關重要的調節作用。隨著lncRNA的廣泛研究和相關組學數據的迅速積累，愈發需要全面收集lncRNA并提供高質量注釋，以及全面了解lncRNA與各種疾病、性狀和表型的關聯，促進對lncRNA功能的系統研究。近年來，lncRNA相關數據庫不斷發展壯大，截至本評述文章撰寫之時，作者收集了130余個lncRNA專題或以lncRNA為主要研究對象的生物數據庫，劃分為“鑒定與整合”、“組學特征解析”、“知識關聯”三個主要類型。

　　“鑒定與整合”類型的數據庫為研究lncRNA的多樣性和生物學功能提供最為基礎的序列和基因組注釋信息，包括GENCODE、CHESS、FANTOM CAT、MiTranscriptome、NONCODE、LncBook、RNAcentral等數據庫。其中人類lncRNA的鑒定和數據整合是研究重點，國內外已有10余個相關數據庫。由于鑒定標準、測序方案、樣本的不同， lncRNA數據集之間存在較大差異，而且隨著不同物種中lncRNA的大規模鑒定，lncRNA的比較與整合將成為基因組學研究中的基礎環節，迫切需要構建流程化和自動化的整合工具，以為各項研究提供全面和高質量的lncRNA數據集。

　　另一方面，lncRNA被稱為基因組中的“暗物質”，大部分lncRNA具有生物學功能還是僅為“轉錄噪音”仍是一個存在爭議的話題。“組學特征解析”數據庫提供豐富多樣的分子特征如動態表達、相互作用、基因組變異、表觀遺傳修飾、編碼小肽、表達數量性狀基因座等，為發掘具有潛在生物學功能的lncRNA并了解其調控機制提供數據參考。代表數據庫包括TANRIC、LncExpDB、starBase/ENCORI、NPInter、DIANA-LncBase、LncBook、LncSEA等。鑒于目前僅有極小一部分lncRNA的功能被研究，且其主要調控機制尚不清楚，仍需對lncRNA的組學特征進行系統深入的刻畫與解析。

　　隨著越來越多的lncRNA被實驗研究，lncRNA相關知識逐漸積累，產生了LncRNADisease、Lnc2Cancer、LncRNAWiki、EVLncRNAs等數據庫或知識庫。這些庫主要通過文獻審編獲得lncRNA與不同疾病、性狀和表型的關聯，注釋相關調控機制、靶基因、代謝通路、生物學過程等，促進對lncRNA功能的系統了解，并為lncRNA生物學功能預測提供數據。然而由于標準不統一、命名不規范等， lncRNA的名稱、基因結構、編碼性質存在不同版本和變化，嚴重阻礙了lncRNA的數據審編和功能研究。考慮到lncRNA與部分信使RNA（mRNA）具有相似的分子特征，并且一個基因可能同時編碼蛋白編碼和非編碼轉錄本，在基因層面進行嚴格分類將會引發lncRNA功能研究的諸多問題，有必要發展新的基因分類和命名方法。

　　LncRNA是繼mRNA后的另一大類RNA分子，調控人類健康與疾病，是未來臨床檢測治療和藥物研發的新靶點，是人類物種特性研究的關鍵對象。然而其數量龐大、種類復雜、功能多樣，以及普遍特異性強、表達量低的特性，為深入研究帶來極大挑戰。數據庫在數據審編與挖掘方面，需建立統一的lncRNA鑒定、表征和關聯研究的標準和方法，以構建完整的lncRNA研究體系。國家生物信息中心將持續完善lncRNA數據資源體系，推動人類基因組的全面注釋和解析。

　　文章鏈接