刺鼠染色体级基因组注释数据集
自然科学
0 下载
32 浏览
2026-07-28
数据集简介
数据集概述
该数据集是对刺鼠(Acomys cahirinus)染色体级基因组组装ASM2989020v1(GCA_029890205.1)的结构与功能基因注释。注意:本记录仅提供注释,不包含基因组组装本身。
注释流程
注释采用多步骤管线:
- RNA-seq基因预测:使用BRAKER3基于RNA-seq数据进行基因预测。
- 蛋白质同源预测:使用GALBA从近缘物种A. russatus进行蛋白质同源性预测。
- 整合与恢复:使用TSEBRA整合预测结果,并使用miniprot和StringTie进行基因/转录本恢复。
- 5'UTR扩展:利用CAGE-seq数据扩展5'非翻译区(UTR)。
数据内容
数据集包含以下文件:
- GTF注释文件:包含23,539个基因,其中20,754个为蛋白质编码基因。
- 剪接转录本FASTA:所有剪接转录本的序列。
- 所有转录本蛋白质FASTA:所有转录本对应的蛋白质序列。
- 每个基因最长蛋白质FASTA:每个基因中最长蛋白质的序列。
数据格式与访问
文件格式为GTF和FASTA。数据集遵循Creative Commons Attribution 4.0 International许可协议,可自由使用,但需注明出处。
基本信息
记录数量未知
文件大小未知
文件格式gtf, fasta, docx
数据来源Zenodo
数据规模23,539个基因,20,754个蛋白质编码基因
许可协议Creative Commons Attribution 4.0 International
数据落地页https://zenodo.org/records/21638389
发布日期2026-07-28
官方下载https://zenodo.org/api/records/21638389/files/Acomys_cahirinus.gtf/content
可下载文件Acomys_cahirinus.gtf(99.6 MB);Acomys_cahirinus.rna.fasta(90.3 MB);Acomys_cahirinus.proteins_all_transcripts.fasta(12.9 MB);Acomys_cahirinus.proteins_longest_per_gene.fasta(11.3 MB);README_Acomys_cahirinus_annotation.md.docx(216.4 KB)
刺鼠基因组注释染色体级组装CAGE-seqStringTie
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载