NCBI：UniGene数据库

基于转录组的数据分析，UniGene是一个不可多得的资源，他将mRNA、EST序列以及功能gene进行整合，很容易明白EST、mRNA等转录组数据与gene的关系，同时通过EST所附带的信息，统计了基因的表达谱。UniGene参考了转录组、基因组的信息，通过多次循环聚类，整合尽可能多的数据，NCBI对UniGene按物种进行定期的更新，发布新的版本。

UniGene的数据可以通过FTP按物种进行下载，包括下列文件：

• XX.data UniGene记录信息
• XX.files.cksum 文件统计信息
• XX.gb_cid_lid UniGene中序列的编号与Genbank AC号的对应的关系
• XX.info 统计信息，
• XX.lib.info UniGene与EST的对应关系
• XX.profiles 表达谱信息，按照组织、时期表达进行分类
• XX.retired.lst 上个版本UniGene编号与当前编号以及对应序列编号的对应关系
• XX.seq.all 包括所有涉及到的EST、mRNA序列，FASTA格式（其中有#注释，在每个Unigene开始的时候，使用bioperl的seqIO解析时会报告错误，需要先将其删除）
• XX.seq.uniq 可以代表Gene的，没有冗余的序列，FAST格式

主要信息保存在XX.data表中，包括unigene_id, title, gene, cytoband, mgi, locuslink, homol, restr_expr, gnm_terminus, scount, express, chromosome, sts, txmap, protsim, sequences, species 等，多个perl库都有对其解析的模块，包括：

• Bio::Cluster::UniGene
• Boulder::Unigene

但是对于数据解析的完整程度不够理想，好在数据不是特别复杂，根据自己的需要重新使用perl写个解析脚本也不是难事。