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
