Ensembl

内容与规模

Ensembl 为脊椎动物及其他物种提供基因组装配、基因/转录本注释、调控特征、变异与同源关系。REST 接口显示当前发布版本为 116 [1]；物种数与基因数未逐项核。

格式与 license

提供 GTF/GFF、FASTA、MySQL 与 REST API，通过 FTP 和 BioMart 下载；属开放获取资源，条款未逐条核 ⚠️。基因 ID（ENSG 等）已成为单细胞表达矩阵的通行标识符。

哪些模型拿它训练或评测

Evo 2 的 OpenGenome2 语料来源包括 GTDB、IMG、NCBI、Ensembl、RNAcentral 等，约 8.84 万亿核苷酸 [2]（见 OpenGenome2、Evo 2）。基因组语言模型与表达模型常用其参考序列与注释切分任务。

已知偏差

注释质量随物种差异大，人类与小鼠最完善；版本更替会改变基因 ID 与坐标，跨版本比较需对齐；与 NCBI RefSeq 注释并不完全一致。

来源

1. https://rest.ensembl.org/info/data (2026-10-15)
2. research 01 OpenGenome2 来源说明（Evo 2 预印本）