肺癌的死亡率在全世界癌症中仍居首位,肺癌的早期筛查和治疗是降低其死亡率的有效手段。基于基因分子的筛查和基于分子靶向疗法的治疗手段已经应用于肺癌的研究,发挥出了重要作用,同时也显示出探索分子靶标的实用性。肺癌转录组研究可以为发现分子靶标提供宝贵价值。目前有关肺癌转录组的研究非常多,也产生了大量的转录组测序（RNA sequencing,RNA-seq）数据,但是缺少一个RNA-Seq全面的自动化分析流程和缺少专门针对肺癌RNA-seq的数据库。基于此,我们开发了RNA-seq自动化工具Raser（RNA-seq analyzer）,分析了904组肺癌RNA-seq数据,构建了人类肺转录组数据库Lung RNAdb,为研究人类肺癌的靶标基因和药理研究提供借鉴。本研究一共收集了904组肺部组织的RNA-seq数据,包含146个正常肺组织样本、694个肺癌患者组织样本和64个肺癌细胞系样本,使用本课题研发的Raser工具分别将这些患有肺癌的组织和正常肺组织样本进行基因差异表达分析（differential expression analysis,DEA）。结果表明,小细胞肺癌（Non-small cell lung cancer,SCLC）患者组织样本和非小细胞肺癌（Small cell lung cancer,NSCLC）患者组织样本间没有表现出共同的差异表达基因（differentially expressed genes,DEGs）,肺腺癌（Lung cancer Adenocarcinomas,LUAD）细胞系NCI-H1975和NSCLC细胞系HCC827也没有共同的DEGs,支持了SCLC和NSCLC生命活动的差异性,解释了二者可能在致病机制上不同的观点;同时发现14个基因在三种NSCLC中均差异表达。我们还预测了116,758个Lnc RNA,并统计了每个Lnc RNA在每组样本中的表达情况。同时我们还找到正常样本组768个偏好性表达的等位基因,小细胞肺癌71个偏好性等位基因等,511个融合基因,都发现了其在SCLC和NSCLC间较大的差异。基于肺癌的转录组分析结果,本研究构建了肺转录组数据库Lung RNAdb（http://glab.hzau.edu.cn/Lung RNAdb#/）。在总体框架上,该数据库配置了4个模块,包括肺癌数据集模块、药物敏感性模块、检索模块和基础功能模块。肺癌数据集模块提供了所有基因、长链非编码RNA（Long non-coding RNA,Lnc RNA）、等位基因和融合基因等相关数据的查询和下载;在药物敏感性模块,Lung RNAdb展示了所有与肺癌相关的药物敏感性、药物靶标等内容;在检索模块,用户可以通过基因、转录本相关的序列、位置等关键字快速定位到Lung RNAdb里的具体页面;功能模块分为基因、Lnc RNA、等位基因和融合基因四个部分,也配置了基因组浏览器Jbrowser可帮助用户在基因组范围内查看和检索,而且提供了它们在各个肺癌亚型中的表达水平差异可视化和下载。此外,本课题开发了RNA-seq自动化分析工具Raser（https://github.com/clsteam/Raser）。该工具支持多进程、多线程并行,极大地提高分析效率,而且用户可以根据需求自由搭配工具进行个性化分析。该软件在支持检测差异表达的基因和转录本基础上,还支持检测Lnc RNA、鉴定融合基因以及检索剪切位点等。以Lnc RNA为例,Raser会根据6个预测工具结果筛选出符合条件的Lnc RNA,进而统计其长度、外显子、ORF和表达量、编码能力等,而且还会根据样本表型进行DEA找到DEGs,然后对DEGs分组进行GO富集、Pathway通路分析,最终生成可视化结果。