CAGE peaks annotation (hg38 v3)

Annotation files = Transcript association * (Human phase1+2 set) hg38_liftover+new_CAGE_peaks_phase1and2_trans.txt (Format) 1) CAGE peak ID "(Old FANTOM5 CAGE Peak ID);(new TSS ID)" 2) Associated transcript ID 3) Distance between CAGE peak and associated transcript 4) Number of transcripts within 500bp (polII transcripts) or 50bp (non-polII transcripts) 5) All transcripts within the above cutoffs (500bp or 50bp) (Transcript ID:distance) = Gene/protein association * (Human phase1+2 set) hg38_liftover+new_CAGE_peaks_phase1and2_annot.txt (Format) 1) CAGE peak ID "(Old FANTOM5 CAGE Peak ID);(new TSS ID)" 2) Associated transcript ID 3) Distance between CAGE peak and associated transcript 4) EntrezGene GeneID 5) HGNC/MGI ID 6) UniProt ID 7) Associated gene name 8) Associated gene symbol 9) Associated gene synonym 10) Source of associated gene = CAGE peak name * (Human phase1+2 set) human_phase1and2_CAGE_Peak_name.txt (Format) 1) CAGE peak ID "(Old FANTOM5 CAGE Peak ID);(new TSS ID)" 2) New CAGE peak name 3) Old (Obsoleted) CAGE peak name = Annotation sources Jun. 16th, 2015 snapshots of the following databases * EntrezGene * Gencode (Human v22, Mouse vM4) * HGNC * MGI * UCSC Genome Browser (hg38/mm10) * UniProt

注释文件分为三类，具体如下：
1. 转录本关联文件：对应数据集`(Human phase1+2 set) hg38_liftover+new_CAGE_peaks_phase1and2_trans.txt`，其格式包含以下字段：
1) CAGE峰（CAGE peak）ID：格式为"(旧FANTOM5 CAGE峰ID);(新转录起始位点(Transcription Start Site, TSS)ID)"
2) 关联转录本ID
3) CAGE峰与关联转录本之间的距离
4) 阈值范围内的转录本数量：聚合酶II（Pol II）转录本对应500bp阈值，非聚合酶II转录本对应50bp阈值
5) 上述阈值范围内的所有转录本：格式为"转录本ID:距离"
2. 基因/蛋白关联文件：对应数据集`(Human phase1+2 set) hg38_liftover+new_CAGE_peaks_phase1and2_annot.txt`，其格式包含以下字段：
1) CAGE峰ID：格式为"(旧FANTOM5 CAGE峰ID);(新TSS ID)"
2) 关联转录本ID
3) CAGE峰与关联转录本之间的距离
4) EntrezGene基因ID
5) HGNC/MGI ID
6) UniProt ID
7) 关联基因名称
8) 关联基因符号
9) 关联基因别名
10) 关联基因的来源
3. CAGE峰名称文件：对应数据集`(Human phase1+2 set) human_phase1and2_CAGE_Peak_name.txt`，其格式包含以下字段：
1) CAGE峰ID：格式为"(旧FANTOM5 CAGE峰ID);(新TSS ID)"
2) 新CAGE峰名称
3) 旧（已废弃）CAGE峰名称

本数据集的注释来源为2015年6月16日快照版本的以下数据库：
- EntrezGene
- Gencode（人类版本v22、小鼠版本vM4）
- HGNC（人类基因命名委员会，HUGO Gene Nomenclature Committee）
- MGI（小鼠基因组信息学数据库，Mouse Genome Informatics）
- UCSC基因组浏览器（UCSC Genome Browser，hg38/mm10版本）
- UniProt（通用蛋白质知识库，Universal Protein Resource)

搜集汇总

背景与挑战

背景概述

该数据集提供了人类基因转录起始位点（TSS）的详细注释信息，包括转录关联、基因/蛋白质关联和CAGE峰名称。数据来源于FANTOM5项目，整合了多个权威数据库的信息，适用于基因表达和基因组结构研究。