LncBook：人类lncRNA“百科全书”！

随着对基因组认识的加深，有着“多技能”傍身的长链非编码RNA（Long non-coding RNA，lncRNA）被越来越多的科研人员和研究领域关注。很多小伙伴想着手lncRNA的研究工作，却在五花八门的lncRNA“神器”面前手足无措。

• “想筛选在癌症中有潜在功能的lncRNA基因进行实验研究，有没有这样的数据库？”

• “想获取小鼠中人类lncRNA的同源信息，哪个平台有详细注释？”

• “获得了一系列lncRNA，如何筛选其中更可靠的对象做实验？”

• “筛选了感兴趣的lncRNA，计划开展分子机制研究，如何能获取与它互作的miRNA和蛋白？”

• “有没有一个库能把所有信息都涵盖呀”。

当然有啦！“一本”LncBook帮你解决lncRNA分析路上的各种困难。

LncBook（https://ngdc.cncb.ac.cn/lncbook/）是一个综合性人类lncRNA数据库，新发布的2.0版本包含了95243个lncRNA基因及323,950个转录本的高质量集合，并从多组学层面对这些lncRNA基因进行了全面注释，包括进化保守性特征、多生物学场景下的表达谱和DNA甲基化谱、疾病/性状相关变异、lncRNA-蛋白质相互作用、lncRNA-miRNA相互作用、小蛋白等，提供友好的检索、浏览、可视化、分析和下载服务（图1）。此外，部署了多个在线分析工具，包括ID转换工具、转录本编码潜能预测、基于BLAST的序列检索、根据基因组位置分类，帮助用户更高效地开展在线分析。

2.0版本的数据库文章以：LncBook 2.0: integrating human long non-coding RNAs with multi-omics annotations 为题于2022年11月在Nucleic Acid Research期刊在线发表。

图1：LncBook主页面

了解了LncBook的“神通广大”，接下来，我们具体来看一下到底怎样使用它吧！

LncBook数据库的使用

一、获得全面的人类lncRNA参考数据集
LncBook先后整合了GENCODE、NONCODE、CHESS、LNCipedia、FANTOM-CAT、BIGTranscriptome等10余个数据库的lncRNA数据，通过严格的质控审编，提供全面高质量的人类lncRNA集合和参考文件。GTF和FASTA文件可在“Downloads”模块免费获取。此外，数据库还整合了lncRNA及GENCODE中的各类基因，形成更为全面的参考数据集，帮助用户更好地对人类基因组进行分析（图2）。更为方便的是，利用ID转换工具，可获取整合的任意库中该lncRNA对应的ID。

图2：人类lncRNA参考数据集下载

二、筛选潜在的功能性lncRNA基因
点击进入“Genes”模块。“Genes”模块从序列保守性、基因表达、DNA甲基化修饰、基因组变异、lncRNA-蛋白互作和小蛋白表达方面提供了高质量的分子特征关联分析。例如通过如下过滤条件筛选lncRNA基因：
高度保守：在“Conservation（age）”处过滤，如基因年龄为17；

具备高表达能力：“Expression Capacity”选择则“HC”；

表达或甲基化呈特征变化：“FeaturedExpression”/“Featured Methylation”（yes）；

具有疾病或性状相关变异：“Variation(disease/trait-association)”（yes）；

与蛋白质有互作：“Interaction”（yes）；

编码小蛋白：“Small Protein”（yes）。

筛选结果如图3所示，可通过“Download”一键下载基因列表。

点击GeneID可全面了解单个基因的细节信息~

图3：功能性lncRNA基因筛选

三、获取人类lncRNA基因在各物种中的同源信息
“Conservation”模块提供了人类lncRNA基因在40种脊椎动物间的保守性特征（包括基因年龄、出现基因的物种个数），以及在每个物种中的比对细节（包括比对物种及对应物种基因组组装、保守程度、同源基因等信息）。用户可以在该界面进行如下分析：
①获得某一人类lncRNA基因在不同物种中同源性的蛋白编码或者非编码基因（这里以MALAT1为例）（图4）：

图4：查询MALAT1基因的同源基因

页面跳转后，我们能看到图形化展示的 lncRNA基因进化树 ，以及 详细的同源基因信息 和 序列比对信息 ，而且都是可下载的哦 （图5） ！其中Q90保守程度最高，黄色字体代表该物种中有同源的蛋白编码基因，蓝色表示有同源的非编码RNA基因。

图5 MALAT1基因的保守性信息

②搜索最保守或者人类特异的lncRNA基因（图6）：

lncRNA的基因年龄 为同源序列最早出现的时间，从最新到最古老依次为："Homo" (humanspecific)、"Hominini"、"Homininae"、"Hominidae"、"Hominoidea"、"Catarrhini"、"Simiiformes"、"Haplorrhini"、"Primates"、"Euarchontoglires"、"Boreoeutheria"、"Eutheria"、"Theria"、"Mammalia"、"Amniota"、"Tetrapoda"、"Euteleostomi"。

因此我们可以通过对基因年龄进行筛选以找到 最保守 （“Age”→“17.Euteleostomi”） 或者 人类特异 （“Age”→“1.Homo”） 的lncRNA基因。

图6：搜索在40个脊椎动物中保守的人类lncRNA基因

四、查看lncRNA基因变异对功能的影响
“Variation”模块提供了lncRNA变异与疾病、性状的关联注释。数据库从COSMIC、ClinVar和GWAS Catalog中收集了疾病/性状相关的变异和关联的疾病/性状信息，并将其映射到lncRNA位点上。在“Variation”模块中用户可以：
①根据基因ID、dbSNPID，查看lncRNA基因变异类型，以及变异关联的疾病或性状（图7）。

图7：MALAT基因变异注释

②根据已知的功能影响、疾病名称或性状，搜索相关lncRNA及其变异类型，并下载感兴趣条目（图8）。

图8：基于变异影响筛选lncRNA

五、筛选在疾病中表现出特异甲基化修饰的lncRNA基因
“Methylation”模块提供了在至少一种疾病中，启动子区或者body区有高/低甲基化变化的lncRNA基因。在这里用户能够：
①浏览感兴趣的lncRNA基因在16种疾病（目前包括14种癌症和2种精神类疾病）中的特异性甲基化情况：“Gene ID”/“Symbol”处输入基因名。

②筛选在特定疾病中差异甲基化的lncRNA基因：在特定疾病的下拉菜单中选择“hyper”（高甲基化）/“hypo”（低甲基化）（图9）。

图9：搜索在ALL中表现出高甲基化修饰的lncRNA基因

六、查询在不同生物学场景下存在特征表达的lncRNA基因
“Expression”模块评估了9种生物学场景下lncRNA基因的表达能力以及337个生物学条件下基因的表达水平，并鉴定了特征表达的基因。以上内容整合自LncExpDB数据库（https://ngdc.cncb.ac.cn/lncexpdb/），想要了解各生物学场景下lncRNA的表达谱系统分析，特征lncRNA基因（管家基因／组织特异性基因、差异表达基因、节律基因、动态表达基因、亚细胞区室富集基因）的鉴定，以及lncRNA相互作用靶基因相关内容可以关注LncExpDB哦！
用户不仅可以选择在一种或多种环境下具有高表达能力的lncRNA基因，还可以获得至少在一个生物学场景中特异表达/一致表达/差异表达/动态表达/周期性表达的lncRNA基因，此类基因被定义为特征性表达基因（标示为★）。筛选结果均可下载（图10）！
注：在至少一种条件下lncRNA基因表达值高于整个转录组（包括lncRNA基因和蛋白编码基因）表达值上四分位数的基因被定义为高表达能力，即HC（标注为红色）。低表达能力lncRNA基因系指在所有条件中表达值低于整个转录组表达值下四分位数的lncRNA基因，即LC（标注为蓝色）。其余lncRNA基因被定义为中间表达能力基因，即MC（标注为橙色）。在特定生物学场景的所有生物学条件下，最大表达值小于1.0 TPM的基因被定义为无表达基因，即NE（标注为灰色）。

图10：查询不同生物学场景下具有高表达能力且具有特征表达的lncRNA基因

七、获取lncRNA编码的小蛋白
“Small Protein”模块整合了SmProt中由Ribo-seq和质谱实验证实的小蛋白(Small protein)，通过BEDtools将其比对到lncRNA上，并提取完全且唯一落在lncRNA转录本上的小蛋白。共记涵盖了5,743个lncRNA基因编码的34,012个小蛋白。

用户可通过基因ID、小蛋白ID或者实验证据搜索感兴趣的条目 （这里以MALAT1基因为例，图11） ，点击下载按钮就可以进行下载啦 ~

图11：搜索MALAT1经Ribo-seq实验验证的编码小蛋白信息

八、查询lncRNA互作miRNA和蛋白质

“Interaction”模块使用三种工具（ miRanda, TargetScan和RNAhybrid ）对lncRNA-miRNA相互作用进行预测。在至少两个工具中得到验证的关系对得以被保留，对全部lncRNA预测了146,092,274个lncRNA-miRNA互作。 注意，只有一种软件支持的互作关系不在页面展示，可从“Downloads”模块获取。 lncRNA-miRNA互作的查询步骤如图12：

图12：检索经miRanda和RNAhybrid预测的与MALAT1互作的miRNA

数据库基于ENCODE收集的HepG2和K562细胞系中 150个RNA结合蛋白（RNA Binding Protein，RBP）的848,077个RBP结合位点 ，通过 BEDtools 将RBP结合位点映射到lncRNA上，并保留了那些完全唯一落在lncRNA转录本上的RBP结合位点。共计获得了 2022个lncRNA的772,745个lncRNA-蛋白质相互作用 。lncRNA-蛋白质互作的查询步骤如图13：

图13 检索与MALAT1互作的蛋白质

九、支撑多种检索功能

在Home界面，用户可通过检索 Gene Symbol ID、lncRNA ID、miRNA、dbSNP ID、Small Protein ID、GWAS特性、变异影响、物种等信息 ，浏览感兴趣的内容（图14）。

图14：快速检索MALAT1基因信息

在基因页面，以lncRNA基因 MALAT1 的检索为例，我们能查看到基因的详细信息，包括 lncRNA基因的基本信息总结（Gene Summary）、转录本信息（Transcript Information）、lncRNA转录本的编码潜能（Coding Potential）以及多组学信息 （图15）。页面展示的分析结果都可以一键获取哦~

值得注意的是，单击基因ID可以跳转到LncExpDB页面，用户可以查看 不同生物背景下的lncRNA基因的表达谱 。通过点击GeneSymbol，用户还可以获取lncRNA在LncRNAWiki中的文献报道信息，包括 疾病关联、药物、靶基因、调控因子、实验样本、生物学功能、CRISPR实验以及文献。

图15：MALAT1基因细节信息

十、在线分析工具的使用

ID Conversion：上传包含基因ID的文件或输入基因ID即可获得不同数据库（包括LncBook、NONCODE、GENCODE、LNCipedia、BIGtranscriptome、CHESS、RefLnc、MiTranscriptome、FANTOM、HGNC、Entrez、UCSC、RefSeq以及lncRNAdb）中该基因相应的ID。

LGC：输入Fasta文件以进行 转录本编码潜能预测。

BLAST：上传Fasta文件以查找 相似的转录本。

Classification：该工具支持对用户输入的GTF文件自动进行 转录本分类。

以上便是LncBook 2.0 的基本使用步骤啦，想要了解更多内容欢迎点击数据库链接 （https://ngdc.cncb.ac.cn/lncbook/） 进行浏览，也可以通过邮件 lncwiki@big.ac.cn ，或加入qq服务群：253662314联系我们。

参考文献：

1.LncBook 2.0: integrating human long non-coding RNAs with multi-omics annotations. Nucleic Acids Res 2022. Doi: 10.1093/nar/gkac999. [PMID=36330950], [OLB-PM=36330950]

2.LncBook: a curated knowledgebase of human long non-coding RNAs. Nucleic Acids Res 2019. Doi: 10.1093/nar/gky960. [PMID=30329098], [OLB-PM= 30329098]

开放转载

欢迎转发到朋友圈和微信群