序列准确性

随着测序技术快速发展，大量的物种基因组、转录组等被测序。对这些物种的序列信息进行分析，有助于我们更多地认识生物演化，预测、了解基因的功能。

但是能准确对基因进行分析的前提是：这个基因就是我们要研究的那个基因——基因序列要准确。

再次确认你分析的基因

有些实验室的同学们可能就根据所看的文献中的提到的基因，也想在自己研究的物种中做做看。于是迫不及待地从数据库中找到该物种的基因直接就开始设计引物，准备大展身手。

别急，再确认一下你要研究的基因。

基因名注释错误

举个例子，ensembl 数据库中编号为 ENSORLG00000017796 基因注释为tlr7，但其实是 frmpd4 基因。ensembl 数据库 ENSORLG00000017796基因
再次确认其结构域，也是与frmpd4相关。ensembl 数据库 ENSORLG00000017796结构域
这个基因在NCBI 数据库中已经更新修正，但是 ensemble 数据库中还没更新修改。NCBI 数据库链接
举这个例子是想说明：数据库中也有错误，需要多平台查询，论证。

选取代表性转录本

此处引用 CJ-chen 在其公众号一篇推文中的说法 (https://mp.weixin.qq.com/s/JIe-msPzBdJAAfcQlRhdcw) 选取代表性转录本
但是，是否选择最长转录本就“万事大吉”？

我觉得，可能得打个问号。

因为基因的表达是存在特异性的。

  • 可变剪接是一种在转录后RNA水平调控基因表达的重要机制。一个基因通过可变剪接产生多个转录异构体，各个不同的转录异构体编码结构和功能不同的蛋白质，它们分别在细胞/个体分化发育不同阶段，在不同的组织，有各自特异的表达和功能。—— 引用来源 (https://www.plob.org/article/2730.html)

举这个例子是想说明：若分析的基因有多种预测的可变剪切类型时，确定选择“合适的”转录本进行研究分析。如何才算是合适，可能就只能自行在实验或者分析中摸索了。

多拷贝和假基因

这也是很令人头疼的情况，尤其是在数据公开较早的非模式生物中。

如果基因组组装质量较低的话，这些基因到底是真实的“多拷贝”还是“假基因”？如何确定？选哪条序列克隆、分析？实验结果怎样看……

那就只能多调研文献，具体情况具体分析了。

附上一些参考资料：