APA是一种重要的转录后调控，它识别不同的多聚腺苷酸化信号（PASs），产生具有不同3’-UTR的转录产物，从而影响一系列生物过程和功能。最近的研究表明，一些单核苷酸多态性（SNP）可能通过调节APA而促进肿瘤的发生和发展。然而，SNP和APA在人类癌症中的相关性在很大程度上仍然未知。华中农业大学的龚静教授研究团队开发了SNP2APA数据库（http://gong_lab.hzau.edu.cn/SNP2APA/）来提高我们对人类癌症中基因变异和APA的理解。

SNP2APA数据库的开发者来自华中农业大学，数据库相关文章（PMID: 31511885）于2020年1月发表在Nucleic Acids Research期刊（2020IF=16.971）上。截至2021-08-14该数据库相关文章已引用7次（数据来源：PubMed）。 开发者们使用来自TCGA和TC3A的9082个样本的基因型和APA数据，系统地鉴定了影响32种癌症类型APA事件的SNP，并将其定义为APA数量性状位点（APA quantitative trait loci，apaQTL）。结果，共鉴定出467942个顺式apaQTL和30721个反式apaQTL。通过整合APAQTL与生存和全基因组关联研究（GWAS）数据，开发者们进一步确定了2154个与患者生存时间相关的apaQTL和151342个位于GWAS基因座的apaQTL。此外，开发者们还利用PAS基序预测工具设计了一个在线工具来预测SNP对PAS的影响。 根据前面提到的数据库的流程，我们知道该数据库就主要包括了以下四种数据类型：顺式apaQTL（cis-apaQTLs）、反式apaQTL（trans-apaQTLs）、生存相关的apaQTL（survival apaQTLs）和位于GWAS基因座的apaQTL（GWAS-apaQTLs）。 这里显示了不同apaQTL的数量以及其在32种癌种中的分布情况。 现在我们直接以顺势apaQTL来进行操作。 页面显示了该数据库的cis-apaQTLs的筛选条件，即FDR<0.05并且|r|≥0.3。 首先在癌种的下拉菜单选择相应的癌种（这里选择的是乳腺癌BRCA）。 只输入癌种信息，我就就会得到一个包含了所有顺势apaQTL在该癌种中的列表。该表一共有11列，从左至右依次为癌种、SNP ID、SNP位置、等位基因、APA事件、APA的基因名、APA位置、beta值（是数据库线性回归统计后的数值）、P值、r值和浏览。 点击浏览列下面的Box Plot即可显示该SNP的柱状图，右上角还有直接下载的按钮。 当然，该数据库也支持用户直接下载列表里面的所有数据。 接下来我们再来看一下生存相关的apaQTL（survival apaQTLs）。 同样，首先在癌种的下拉菜单选择相应的癌种（这里选择的是膀胱尿路上皮癌BLCA）。 筛选后得到3个BLCA的生存相关的apaQTL。数据的呈现形式与之前的顺势apaQTL类似，一共包含了10列信息，从左至右依次为癌种、SNP ID、SNP位置、等位基因、样本量、生存分析的统计KM的P值、AA的OS的中位生存时间、Aa的OS的中位生存时间、aa的OS的中位生存时间和浏览。 点击浏览列下面的KM Plot即可显示该SNP的生存曲线，右下角还有直接下载的按钮。 同样，也支持全部数据的excel表格下载。 当然，我们可以直接在首页的下面页面下载所有的相关数据。 总的来说，开发者们帮我们整理了来自TCGA和TC3A数据库的32癌种的相关数据，并整合为不同的apaQTL。用户只需要进行简单的检索就能直出发表级的图片，可以说是非常友好的了。