【目的】长链非编码RNA（lnc RNA）是指转录本大于200 nt但不翻译蛋白质的基因。在十几年前,lnc RNA等基因间区的非编码元件一度被认为是基因组中占据了极大区域的垃圾序列。伴随研究的不断深入,发现人类基因组高达80%的区域可以表达RNA,而这些被表达的非编码区域容易形成lnc RNA。虽然越来越多的lnc RNA被发现并被证实功能,但由于其演化速度快、序列保守性低、物种特异性高、部分lnc RNA无明显表型等特点,我们对这些基因的研究仍处于较初级的阶段。除了少数lnc RNA,如能影响人类X染色体失活的XIST有较为深入的研究外,对于大多数lnc RNA的功能仍待解析。【方法】新基因会通过整合进原有的信号及功能网络来获得功能,lnc RNA也可能通过类似的途径来获得它的功能。但是与蛋白质编码不同的是,lnc RNA会受到更低的选择压力与更高的遗传漂变压力。在这种条件下,lnc RNA会获得不定向的冗余功能,在特定的环境中发挥它的作用并受到纯化选择,随后形成保守的基因。因此对比蛋白质编码基因与lnc RNA的演化过程之间的异同点,将是研究lnc RNA功能的有效方法。【结果】然而,目前蛋白质编码基因和lnc RNA都没有可用的跨物种基因年龄推断的综合资源。因此,我们使用基于蛋白质家族的流程和Wanger简约算法系统性的确定了Ensembl和Ensembl Genomes数据库中的565个物种的9,102,113个蛋白质编码基因的演化枝,其中包括82种细菌,57种原生生物,134种真菌,58种植物,56种后生动物和178种脊椎动物。我们的时间树来自于化石证据基础与数千篇研究文章支撑的Time Tree数据库,并据此将基因的年龄从演化枝映射至百万年为单位的具体时间中。类似的,本研究使用本实验室收集的1862个RNA-seq样本,对来自硬骨脊椎动物（Euteleostomi）的18个物种的lnc RNA进行注释,并使用Blast N+Ortho MCL的方法进行同源物分析与基因家族推断,并将获得的基因年龄映射至时间树上。本研究评估了可能影响lnc RNA年龄推断的不同因素,包括测序手段与同源物推断方法所带来的影响。通过对比lnc RNA与蛋白质编码基因的年龄及其特征,本研究发现:1)基因特征分析显示lnc RNA序列在演化过程中的变得更加复杂;2)年老的lnc RNA与蛋白质编码基因在表达模式上存在分歧;3)年老的lnc RNA有更加复杂的转录调控行为;4)染色质位置状态分析表明lnc RNA具有独特的起源方式;5)具有旁系同源的人类特有lnc RNA更加富集功能特征。【结论】这些结果表明,lnc RNA具有十分独特的起源和演化方式,并且随着功能特征富集,lnc RNA会更加保守,受到更强的正选择效应,并改变周围的染色质状态。因此,本研究认为lnc RNA既不应该归类为蛋白质编码基因的退化产物,也不应该归类为de novo等方式产生蛋白质编码基因的中间产物,更不是蛋白质编码基因的附属物,而应该是一类具有独特且重要功能的基因组元件。另外,本研究中所有蛋白质编码基因的年龄数据都被编入Gen Origin（访问地址:http://genorigin.chenzxlab.cn/）,这是一个用户友好的基因年龄估计新数据库,用户可以在其中按物种、年龄和基因本体浏览基因年龄估计,并比较各个资源中的基因年龄是否相同。在Gen Origin中,基因年龄估计、注释、基因本体、直向同源和旁系同源等信息,以及基于具有进化时间尺度的物种树的基因年龄推断的详细基因存在/不存在视图,提供给研究人员探索基因功能。