通常大家提到转录组测序，指的是mRNA-seq，在测序文库构建的实验阶段我们有两个选项：

• 去除rRNA
• 富集polyA

因为真核生物的mRNA都是有polyA尾巴结构，示意图如下：

但是慢慢的科研热点转到了lncRNA，虽然lncRNA只有部分具有polyA尾结构，但也意味着公共数据库里面海量的mRNA-seq表达矩阵里面，都是可以提取到lncRNA部分，新的分析图表就出来了。在很多综述或者教程都可以看到对lncRNA的这样的总结：

• 1.长度在200-100,000nt
• 2.没有编码蛋白质潜能
• 3.具有细胞或组织类型特异性
• 4.表达量和保守性比mRNA低
• 5.部分lncRNA不含有polyA尾巴
• 6.部分也会翻译小肽段

既然都说lncRNA只有部分具有polyA尾结构，我这里出一个学徒作业，希望大家可以下载人和鼠的gtf文件，以及转录本fasta序列文件，自己去探索一下：

gtf文件记录了多少个基因，多少个是蛋白编码基因，多少个是lncRNA呢？其中各自的具有polyA尾结构的比例是多少呢？

可以使用R,SHELL,PYTHON或者PERL等多种编程语言完成这个探索任务，更多习题见：生物信息学编程实战

习题目录

• 01:生信编程思维讲解
• 02: hg19基因组序列的一些探究
• 03: hg38每条染色体的基因、转录本分布
• 04: 多个同样行列式文件的合并
• 05: 根据GTF画基因的多个转录本结构
• 06: 下载最新版的KEGG信息，并且解析好
• 07: 写超几何分布检验
• 08: ID转换
• 09: R语言爬虫
• 10: R语言shiny
• 11: 用Biostrings包来处理fasta序列
• 12: 根据指定染色体及坐标得到序列
• 13: JSON 数据的格式化
• 14: fasta 数据处理

文末友情推荐

要想真正入门生物信息学建议务必购买全套书籍，一点一滴攻克计算机基础知识，书单在：什么，生信入门全套书籍仅需160 。
如果大家没有时间自行慢慢摸索着学习，可以考虑我们生信技能树官方举办的学习班：

• 数据挖掘学习班第5期（线上直播3周，马拉松式陪伴，带你入门），原价4800的数据挖掘全套课程， 疫情期间半价即可抢购。
• 生信爆款入门-第7期（线上直播4周，马拉松式陪伴，带你入门），原价9600的生信入门全套课程，疫情期间3.3折即可抢购。

如果你课题涉及到转录组，欢迎添加一对一客服：详见：你还在花三五万做一个单细胞转录组吗？