Skip to content

Biology › 基因體學 › 參考資料

參考資料 (Reference Data) ​

分析之前要先準備好三樣東西:參考基因組 (FASTA)、基因註解 (GTF / GFF),以及要重新分析的公開原始資料。三者的版本與染色體命名必須一致。

筆記內容回答的問題
參考基因組GRCh37 / GRCh38 / T2T、UCSC vs Ensembl vs NCBI、該下載哪個 FASTA、liftOver該用哪個版本、哪個檔案?座標怎麼轉換?
基因註解GENCODE / Ensembl、RefSeq、MANE Select、UCSC refGene用哪套轉錄本?臨床報告該用哪個 transcript?
原始資料庫SRA、ENA、DDBJ、GEO、dbGaP / EGA、下載方式公開的 FASTQ / 表現量資料去哪裡找、怎麼下載?

一套「互相相容」的組合 ​

用途UCSC / GENCODE 風格(chr1)Ensembl 風格(1)
FASTAGRCh38_no_alt_analysis_set 或 GENCODE GRCh38.primary_assembly.genome.faHomo_sapiens.GRCh38.dna.primary_assembly.fa
GTFGENCODE gencode.vXX.annotation.gtfHomo_sapiens.GRCh38.XXX.gtf
已知變異GATK resource bundle(dbSNP、gnomAD)Ensembl variation
適用GATK、多數臨床流程、UCSC 瀏覽器Ensembl VEP、部分 Bioconductor 套件

記錄每個專案用的版本號(GENCODE vXX / Ensembl release XXX / 下載日期),寫在 README 或流程設定檔中;換版本後基因數、轉錄本 ID 都會變,結果不能直接比較。

格式說明見 FASTA、GTF / GFF3;變異標準集 (GIAB) 見 Genome in a Bottle。