Ensembl 基因组注释：基因、转录本与变异注释体系

快速概览

Ensembl 是领先的基因组注释数据库，提供 gene/transcript/protein 层级结构、变异注释和多物种比较基因组学。理解其对象体系（Ensembl ID）、注释流程（automated annotation）和版本系统，是 RNA-seq 定量和变异解释的基础。

Ensembl 使用稳定的 Ensembl ID 体系（ENSG/ENST/ENSP），不依赖易变的基因符号
注释流程自动化，定期更新版本号（如 GRCh38.p14 + Ensembl v110）
提供基因、转录本、蛋白质、变异、调控等多层级注释
支持多物种比较（Comparative Genomics）和同源基因映射
VEP（Variant Effect Predictor）是标准的变异功能注释工具

所属板块 数据、注释与资源

参考版本、注释体系、数据格式与数据库的统一入口。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

是什么

Ensembl 是欧洲分子生物学实验室（EMBL-EBI）维护的基因组注释数据库，提供自动化的基因注释、转录本结构、变异影响预测和多物种比较基因组学资源。

核心资源概览

资源	对象类型	标识符	典型用途
Ensembl Genes	基因注释记录	ENSG（如 ENSG00000141510）	查询基因结构、转录本列表
Ensembl Transcripts	转录本模型	ENST（如 ENST00000269305）	获取转录本序列、外显子结构
Ensembl Proteins	蛋白质产物	ENSP（如 ENSP00000269305）	获取蛋白序列、功能域
Ensembl Variants	遗传变异	rsID / Ensembl 变异 ID	查询变异功能影响
Ensembl Regulation	调控元件	Regulatory Feature ID	查询启动子、增强子区域
Ensembl Compara	同源基因	多物种同源关系	跨物种基因映射

为什么重要

Ensembl 是生物信息学分析的注释标准来源：

RNA-seq 定量：featureCounts、HTSeq 使用 Ensembl GTF 进行基因/转录本计数
变异注释：VEP 基于 Ensembl 注释体系预测变异功能影响
转录本层级分析：Ensembl 提供完整的 gene → transcript → protein 结构
跨物种比较：Ensembl Compara 支持同源基因识别和系统发育分析

关键认知：Ensembl 使用自动化注释流程，与 NCBI 的人工审编（RefSeq）形成互补。两者注释结果可能不同，但都广泛使用。

Ensembl ID 体系

稳定标识符

Ensembl 使用稳定的 ID 体系，不随基因符号变化而变化：

ID 类型	前缀	示例	说明
Gene	ENSG	ENSG00000141510	TP53 基因
Transcript	ENST	ENST00000269305	TP53 转录本 1
Protein	ENSP	ENSP00000269305	TP53 蛋白产物 1
Exon	ENSE	ENSE00000123456	外显子

Ensembl ID vs Gene Symbol

维度	Ensembl ID	Gene Symbol
稳定性	稳定，不随注释变化	可能随注释更新而变化
唯一性	唯一对应一个对象	可能存在歧义
层级	区分 gene/transcript/protein	通常只指基因层
推荐使用	分析流程和数据库映射	人工阅读和文献交流

TP53 示例：

Gene: ENSG00000141510 (TP53)
Transcripts: ENST00000269305 (canonical), ENST00000503591, ENST00000504986, …
一个基因符号对应多个转录本，转录本之间功能可能不同

Ensembl 注释流程

自动化注释管线

Ensembl 使用自动化流程进行基因组注释：

证据收集：整合 RNA-seq、cDNA、蛋白质同源性等证据
基因预测：使用基因预测算法（如 AUGUSTUS）识别基因结构
转录本构建：基于证据构建转录本模型
功能注释：添加蛋白域、GO 注释、通路信息
变异注释：预测变异对转录本的影响

注释版本系统

Ensembl 版本号随每次更新递增：

版本	发布日期	主要变化
Ensembl 110	2024	最新人类注释，新增转录本
Ensembl 109	2023	多物种更新
Ensembl 75	2013	GRCh38 首次支持

关键注意：不同 Ensembl 版本的注释可能不同（新增/删除转录本、调整基因边界）。分析中应记录使用的版本号。

Ensembl GTF 注释文件

Ensembl 提供标准 GTF 文件用于下游分析：

chr1  HAVANA  gene  11869  14409  .  +  .  gene_id "ENSG00000223972"; gene_name "DDX11L1"; gene_biotype "transcribed_unprocessed_pseudogene";
chr1  HAVANA  transcript  11869  14409  .  +  .  gene_id "ENSG00000223972"; transcript_id "ENST00000456328"; gene_name "DDX11L1";
chr1  HAVANA  exon  11869  12227  .  +  .  gene_id "ENSG00000223972"; transcript_id "ENST00000456328"; exon_number "1";

关键字段

属性	说明
`gene_id`	Ensembl Gene ID（ENSG）
`gene_name`	Gene Symbol（如 TP53）
`transcript_id`	Ensembl Transcript ID（ENST）
`gene_biotype`	基因生物类型（protein_coding、lncRNA、pseudogene 等）
`exon_number`	外显子序号

Canonical Transcript

Ensembl 为每个基因指定一个canonical transcript（代表转录本），选择标准包括：

最长 CDS（编码序列）
最长蛋白质产物
包含所有常见外显子

使用建议：在基因-level 分析中，使用 canonical transcript 作为代表；在转录本-level 分析中，保留所有转录本。

VEP：变异效应预测器

VEP（Variant Effect Predictor） 是 Ensembl 提供的变异功能注释工具：

输入输出

输入：VCF 格式或变异列表（chr:pos ref/alt）
输出：每个变异的功能影响注释

注释内容

注释类型	说明
Consequence	变异类型（missense、synonymous、frameshift 等）
Gene/Symbol	影响的基因和转录本
SIFT/PolyPhen	致病性预测分数
CADD	综合致病性分数
ClinVar	临床意义（如有）
gnomAD	群体频率（如有）

使用方式

# 命令行
vep -i input.vcf -o output.vcf --cache --everything

# Web 界面
# https/www.ensembl.org/Tools/VEP

多物种比较基因组学

Ensembl Compara 提供跨物种比较资源：

功能	说明
Orthologs	直系同源基因（不同物种间的同源基因）
Paralogs	旁系同源基因（同一物种内的复制基因）
Gene Trees	基因家族系统发育树
Whole-genome alignment	全基因组比对

应用示例：将小鼠基因 Trp53 映射到人类 TP53，进行跨物种功能比较。

与真实工具或流程的连接

常见概念误区

本章小结

Ensembl 是领先的自动化基因组注释数据库
使用稳定的 Ensembl ID 体系（ENSG/ENST/ENSP），区分基因/转录本/蛋白质层级
提供标准 GTF 文件用于 RNA-seq 定量和变异注释
VEP 是标准的变异功能注释工具
Ensembl Compara 支持多物种比较基因组学