转录调控必知数据库：ENCODE

之前我们在介绍很多转录调控相关的数据库的时候，都会提到这些数据库包含了ENCODE数据库。那么ENCODE数据库是什么样的数据库呢？

ENCODE

（Encyclopedia of DNA Elements, https://www.encodeproject.org/），翻译成中文就是DNA元素百科全书，其主要目的是为了了解这个基因组当中的调控反应，主要方法还是利用高通量的测序技术来进行分析的。

按照上图的展示，目前的ENCODE通过多种测序数据来反应基因组变化的过程，分别是通过

• Hi-C 来观察三维基因组

• ATAC-seq/chip-seq 研究基因的转录调控

• 甲基化芯片来研究甲基化的调控作用

• RNA-seq 来研究基因表达的变化

• RIP-seq 研究在转录后调控的信息

我们可以通过ENCODE数据库来检索自己想要的数据。类似很多转录调控数据库也是在ENCODE数据库获得目标原始数据后，进行分析后构建的自己数据库。

数据统计

目前ENCODE数据不止是包括人的数据，现在包含了四种物种的数据，主要含有: 人、老鼠、蠕虫、苍蝇这四个物种。

我们可以点击相关的数据类型，就可以得到ENCODE数据的这个类型的所有数据了。例如我们点击: DNA binding即可看到数据库的所有数据。

数据检索

同样的，我们可以基于自己的目的来检索想要的数据。

这里我们检索: CTCF。就可以看到和CTCF相关的数据集了。其中前四个是不同物种chip-seq的数据。

我们可以选择 CTCF（Homo sapiens），就可以看到具体的在人的物种当中所有和CTCF有关的数据集了。这里会显示不同的组织的数据，我们可以选择想要查看的组织类型进行查看。

具体数据集介绍

对于不同的检索方式，我们都能到具体数据集内容介绍里面。对于数据介绍基本格式基因相同，这里我们就用：ENCSR331OGX这个CTCF相关的chip-seq数据来简单介绍一下。

1. 数据汇总信息。这里我们能看到数据集基本信息，包括患者基本信息。对于ENCODE的数据，都会放到GEO里面，所以我们在GEO里面其实也是可以检索到ENCODE的数据的。

1. 具体的数据文件。这里我们可以看到数据的所有原始数据，包括测序数据的fastq数据以及基于ENCODE分析流程分析的所有bam文件和peak文件。

对于数据的peak文件，可以通过基因浏览器来进行查看。我们之前介绍过一个好看的基因浏览器。ENCODE默认的是UCSC的基因浏览器，可以点击 Visualize来进行查看。

1. 数据处理流程：ENCODE提供了关于数据的标准处理流程，如果要使用他们的数据结果的时候，可以知道是怎么处理的；同时如果我们有自己的数据的话，不知道怎么处理，也可以参考这个数据处理流程的。

数据库总结

关于ENCODE基本介绍就是这些的。这个数据库主要还是一个偏向于原始数据储存的数据库。我们如果需要进行原始数据分析的话，可以从这个下载数据。但是如果是想要直接检索转录调控的结果的话，可以使用一些基于ENCODE数据分析完的数据库例如：我们之前介绍的Chea3[数据库推荐]多基因转录因子调控网络预测或者Cistrome等只要提到ENCODE数据的这些转录因子调控数据库。

建议还是如果要进行课题设计，可以使用那些对ENCODE加工的数据库好一些，这样只需要检索就可以获得结果。如果想要自定义的分析，那还是下载原始数据好一些，不过这个对于分析能力的要求就要高一些了。