近日，中国科学院北京基因组研究所(国家生物信息中心)马利娜副研究员应Nature Reviews Molecular Cell Biology 邀请，联合章张研究员，发表题为“The contribution of databases towards understanding the universe of long non-coding RNAs”的评述，系统总结了长非编码RNA（long non-coding RNA，lncRNA）数据库的类型及特点，讨论生物数据库在lncRNA研究的机遇和挑战中将如何发挥作用。

　　LncRNA是一类长度超过200个核苷酸的RNA分子，没有蛋白编码能力或蛋白编码能力有限。LncRNA普遍存在于动植物中，其在人类中的数量甚至超过了蛋白编码基因，在疾病、稳态平衡、应激反应中发挥至关重要的调节作用。随着lncRNA的广泛研究和相关组学数据的迅速积累，愈发需要全面收集lncRNA并提供高质量注释，以及全面了解lncRNA与各种疾病、性状和表型的关联，促进对lncRNA功能的系统研究。近年来，lncRNA相关数据库不断发展壮大，截至本评述文章撰写之时，作者收集了130余个lncRNA专题或以lncRNA为主要研究对象的生物数据库，划分为“鉴定与整合”、“组学特征解析”、“知识关联”三个主要类型。

　　“鉴定与整合”类型的数据库为研究lncRNA的多样性和生物学功能提供最为基础的序列和基因组注释信息，包括GENCODE、CHESS、FANTOM CAT、MiTranscriptome、NONCODE、LncBook、RNAcentral等数据库。其中人类lncRNA的鉴定和数据整合是研究重点，国内外已有10余个相关数据库。由于鉴定标准、测序方案、样本的不同， lncRNA数据集之间存在较大差异，而且随着不同物种中lncRNA的大规模鉴定，lncRNA的比较与整合将成为基因组学研究中的基础环节，迫切需要构建流程化和自动化的整合工具，以为各项研究提供全面和高质量的lncRNA数据集。

　　另一方面，lncRNA被称为基因组中的“暗物质”，大部分lncRNA具有生物学功能还是仅为“转录噪音”仍是一个存在争议的话题。“组学特征解析”数据库提供丰富多样的分子特征如动态表达、相互作用、基因组变异、表观遗传修饰、编码小肽、表达数量性状基因座等，为发掘具有潜在生物学功能的lncRNA并了解其调控机制提供数据参考。代表数据库包括TANRIC、LncExpDB、starBase/ENCORI、NPInter、DIANA-LncBase、LncBook、LncSEA等。鉴于目前仅有极小一部分lncRNA的功能被研究，且其主要调控机制尚不清楚，仍需对lncRNA的组学特征进行系统深入的刻画与解析。

　　随着越来越多的lncRNA被实验研究，lncRNA相关知识逐渐积累，产生了LncRNADisease、Lnc2Cancer、LncRNAWiki、EVLncRNAs等数据库或知识库。这些库主要通过文献审编获得lncRNA与不同疾病、性状和表型的关联，注释相关调控机制、靶基因、代谢通路、生物学过程等，促进对lncRNA功能的系统了解，并为lncRNA生物学功能预测提供数据。然而由于标准不统一、命名不规范等， lncRNA的名称、基因结构、编码性质存在不同版本和变化，严重阻碍了lncRNA的数据审编和功能研究。考虑到lncRNA与部分信使RNA（mRNA）具有相似的分子特征，并且一个基因可能同时编码蛋白编码和非编码转录本，在基因层面进行严格分类将会引发lncRNA功能研究的诸多问题，有必要发展新的基因分类和命名方法。

　　LncRNA是继mRNA后的另一大类RNA分子，调控人类健康与疾病，是未来临床检测治疗和药物研发的新靶点，是人类物种特性研究的关键对象。然而其数量庞大、种类复杂、功能多样，以及普遍特异性强、表达量低的特性，为深入研究带来极大挑战。数据库在数据审编与挖掘方面，需建立统一的lncRNA鉴定、表征和关联研究的标准和方法，以构建完整的lncRNA研究体系。国家生物信息中心将持续完善lncRNA数据资源体系，推动人类基因组的全面注释和解析。

　　文章链接