Source
Ensembl 的小鼠基因注释，用 evanverse::download_gene_ref("mouse") 导出。列结构和 gene_ref_human 完全一致，脚本也是同一份，只换了物种参数——所以两份可以直接摞起来或者对着比。
和人类那份结构相同但质量差别很大，这也是把两份都收进来的理由之一：
| human | mouse | |
|---|---|---|
symbol 缺失 |
40268（44%） | 740（0.9%） |
chromosome 不同值 |
528 | 38 |
entrez_id 缺失 |
54923（60%） | 50064（63%） |
小鼠注释里 symbol 几乎是满的，scaffold 也少得多——拿它练 ID 转换比人类那份顺利得多，但也因此练不到"映射不上怎么办"。要练缺失处理就用人类那份。
ensembl_id 同样不是唯一键。 78873 行里 78334 个不同 ID，539 行是扇出来的，原因和人类那份一样：同一个 Ensembl 基因对多个 Entrez ID，其余列完全相同。join 前先想清楚要不要 distinct()。
entrez_id 仍然缺六成，跨物种同源映射时这一列基本指望不上，走 symbol 或者专门的同源数据库更实际。
Use cases
- 排序条形图：
gene_type构成，37 类，和人类那份对着看 - 成对条形图：人鼠两份的基因类型数量对比
- 染色体密度图：按
chromosome分组、start定位；小鼠只有 38 个值，不用先筛 scaffold - 直方图：基因长度（
end − start）分布，跨度极大，要取对数
和人类那份并排画时，注意两个物种的基因总数和染色体条数都不同，比"数量"意义不大，比"构成比例"才对。