在上一篇推文中，我们讲了如何用 fastp 对原始的 RNA-seq 数据进行质控和过滤。质控结束后，下一步就是比对（alignment）。
而比对的基础，就是——参考基因组（reference genome）。

很多同学在刚接触转录组分析时常常会问：

🧩 “我应该选 hg19 还是 hg38？”
🧩 “为什么 UCSC、Ensembl、NCBI 的基因组名字都不一样？”
🧩 “参考基因组是不是越新越好？”

今天我们就来系统地聊聊这个问题。

一、什么是参考基因组？

在 RNA-seq 分析中，参考基因组是所有 reads 比对的模板。
简单说，它是一条“标准的人类DNA序列”，代表人类基因组的一个版本。

但需要注意的是：

它不是任何一个人的基因组，而是由多个样本拼接、整合而成的“代表性序列”。

随着测序技术的进步，参考基因组也不断更新完善，从最初的 GRCh37（也叫 hg19）到 GRCh38（hg38），再到最新的 T2T-CHM13，分辨率越来越高，缺失区域越来越少。

二、目前常用的人类参考基因组版本

二、三大基因组数据库的区别：DNA序列 vs 注释

💡 关键点：同一版本的DNA序列（如GRCh38），在不同数据库中几乎相同；但它们的“注释文件”（GTF/GFF）不同！

四、如何选择合适的基因注释？

UCSC 的注释模型中，同一个基因ID可能出现在不同染色体或链上，因此不建议用作正式分析依据。

五、Ensembl vs RefSeq 的更新节奏与版本管理

Ensembl 每个版本（如 release-113）都包含对应的注释文件（GTF）与序列文件（FASTA）。
这种“版本号绑定”机制让结果更可追踪。

RefSeq 则以 patch版本号（如 GRCh38.p14） 进行维护，更新更保守，但在医学研究中广泛使用。

六、推荐下载方式

下载 Ensembl GRCh38 基因组与注释

# 下载基因组序列

wget https://ftp.ensembl.org/pub/release-115/fasta/homo_sapiens/dna/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz

# 下载注释文件

wget https://ftp.ensembl.org/pub/release-115/gtf/homo_sapiens/Homo_sapiens.GRCh38.115.gtf.gz

# 解压

gunzip *.gz

下载 RefSeq 基因组（NCBI）

# 在 NCBI Assembly 页面搜索 GRCh38.p14

https://www.ncbi.nlm.nih.gov/assembly/

七、总结一下 ✍️

1. DNA序列相同，注释不同。

2. RefSeq 更稳，Ensembl 更全，UCSC 更乱。

3. 根据研究目的选择注释模型：稳健 vs 探索。

4. 务必保持参考基因组与注释文件版本一致。

5.