基因ID类型

基因ID类型

常见基因ID类型包含Gene ID，Gene Symbol，Ensembl ID，RefSeq Accesion Number等。

Gene ID（Entrez Gene ID）：来源于Entrez 基因数据库的编号系统，Entrez 基因数据库归属于NCBI的子数据库，整合了核酸、蛋白、基因组等生物信息检索系统。Gene ID也是目前最权威的基因ID编号，格式为一串数字，以CDKN1A基因为例，可以通过NCBI网站中Gene去进行搜索，检索如下，紧跟着CDKN1A那栏标注了Gene ID：1026。

在Gene界面，我们可以看到该信息的Summary，包含Officical Symbol，Official Full Name，Primary source等，另外我们还可以看到其Ensembl number，如CDKN1A，Ensembl:ENSG00000124762 MIM:116899。该基因是否属于蛋白编码基因，这里我们可以看到CDKN1A的Gene type属于protein coding；RefSeq status为Reviewed（人工审核）；Organism：Homo sapiens；Lineage：细胞系来源；以及不同的基因Symbol叫法。该基因的概述等。

Gene symbol：刚才我们介绍了NCBI中Gene页面，我们在Summary的第一栏显示的是Official Symbol，就是我们通常所说的Gene symbol。物种来源于人的，由HGNC（人类基因命名委员会）命名，同理小鼠来源的由MGNC命名，大鼠来源的由RGNC命名。第二栏中的Official Full Name也是由基因命名委员会批准的基因名称。

Ensembl ID：我们可以在NCBI Gene中可以查询到，另外就是Ensembl主页中检索。其命名规则包含五个部分，ENS前缀，提醒我们该命名来源于Ensembl ID，第二部分物种的前缀，第三部分Object type，G就是基因，P指蛋白，我们通过我们的示例，Ensembl:ENSG00000124762 MIM:116899，可以看出该Ensembl ID是个基因名称，第四部分，identifier，是一段特定的数字，第五部分，版本号。如果没有物种的前缀，则默认物种是人。但是注明的是这五个部分不一定都具备的。

RefSeq Accesion Number：即RefSeq ID，其数据库也是由NCBI 提供的具有生物意义的非冗余的基因或蛋白质片段数据库。在NCBI Gene搜索下，我们可以看到RefSeq 状态，包括MODEL，INFERRED，PREDICTED，REVIEWED，VALIDATED等状态，我们示例显示的就是REVIEWED，表明该数据人工审核过，可信度还是比较高的。

这里就简单对基因常见类型ID进行概述，咱们下期再见。