Units of genetic transfer in prokaryotes
遗传物质的跨物种转移（横向遗传转移，LGT）有助于原核生物的基因组和生理创新。原核生物中LGT的程度已经在许多研究中进行了检查，但尚未以严格的方式研究转移单位。使用严格的系统发育方法，我们分析了从144个完全测序的原核生物基因组中获得的单拷贝基因家族内的LGT单位。在这些基因家族中，共有30.3%显示出LGT的证据。我们发现基因片段的转移比整个基因的转移更频繁，这表明LGT的程度被低估了。我们发现基因内（片段）和全基因（非片段）遗传转移之间的功能偏差很小，但非片段转移到病原体比非病原体更频繁。由于包含可能旁系同源的基因家族被排除在本研究之外，我们的结果可能仍然低估了LGT的程度;尽管如此，这是迄今为止对原核生物基因组中LGT单位的最全面的研究。
2008-01-29 q-bio.GN q-bio.PE
Modulation of Base Specific Mutation and Recombination Rates Enables Functional Adaptation within the Context of the Genetic Code
生命的持续需要人口以与其环境动态相称的速度适应。居住在高度可变环境中的成功种群已经进化出增加成功适应可能性的机制。我们引入了一个$64 \times 64$矩阵来量化碱基特异性突变潜力，分析了四种不同的复制系统，易错PCR，小鼠抗体，线虫和果蝇。突变趋势与蛋白质的结构进化相关。在强选择压力下的系统中，突变偏差有利于空间的自适应搜索，无论是通过碱基突变还是重组。这种适应性的背景下讨论的遗传密码在复制和密码子使用的水平。
2004-04-20 q-bio.GN q-bio.PE
Why highly expressed proteins evolve slowly
最近的许多工作已经探索了分子和群体遗传对蛋白质序列进化速率的限制。进化速率的最佳预测因子是表达水平，其原因尚不清楚。在这里，我们假设，选择以减少蛋白质错误折叠的负担将有利于蛋白质序列与翻译错义错误的鲁棒性增加。翻译稳健性的压力随着表达水平的增加而增加，并约束序列进化。使用几个测序的酵母基因组，全球表达和蛋白质丰度的数据，和一套旁系同源物可追溯到一个古老的全基因组复制酵母，我们排除了几个混淆的影响，并表明表达水平解释了大约一半的酿酒酵母蛋白质进化速率的变化。我们研究表达的主导作用的原因，发现全基因组测试有利于翻译的鲁棒性解释现有的假设，调用功能或翻译效率的限制。我们的研究结果表明，蛋白质的进化速度与其功能基本无关，这可以解释为什么高表达蛋白质在生命树中进化缓慢。
2005-08-12 q-bio.GN q-bio.PE
Protein language model rescue mutations highlight variant effects and structure in clinically relevant genes
Stripe（Stripe公司）
尽管是自我监督的，但蛋白质语言模型在基本生物任务中表现出了卓越的性能，例如预测遗传变异对蛋白质结构和功能的影响。这些模型在不同任务集上的有效性表明，它们学习了对下游临床应用有用的适应度景观的有意义的表示。在这里，我们询问使用这些语言模型在表征已知的致病突变策划，医学上可操作的基因，通过一个详尽的搜索推定的补偿突变对每个变体的遗传背景。对这些补偿突变的预测效应的系统分析揭示了蛋白质的未被重视的结构特征，这些特征被其他结构预测因子如AlphaFold所错过。虽然深度突变扫描实验提供了突变景观的无偏估计，但我们鼓励社区生成和策划救援突变实验，以设计更复杂的共掩蔽策略，并更有效地利用大语言模型进行下游临床预测任务。
2022-11-18 cs.LG q-bio.GN
p-Adic Degeneracy of the Genetic Code
遗传密码的简并性是一种生物学方法，可以使不希望的突变变化的影响最小化。简并具有对64个密码子$\mathcal{C}_5 (64) = \{n_0 + n_1 5 + n_2 5^2 : n_i = 1, 2, 3, 4 \} ,$的5-adic空间的自然描述，其中$n_i$是与核苷酸相关的数字，如下：C = 1，A = 2，T = U = 3，G = 4。密码子之间最小的5-adic距离将它们连接成16个四联体，在2-adic距离下，它们衰减成32个双联体。p-Adically接近密码子被分配给20个氨基酸中的一个，这些氨基酸是蛋白质的结构单元，或编码蛋白质合成的终止。我们证明了遗传密码多重体是由p-adic最近的密码子组成的。
2007-07-05 cs.IT math.IT physics.bio-ph
Population genetics of translational robustness
最近的研究表明，表达水平是基因进化速率的主要预测因子，表达越高的基因进化越慢。对这一观察结果的一个可能的解释是选择尽管有误译但仍能正确折叠的蛋白质，简言之，选择翻译稳健性。翻译的稳健性导致了一个有点自相矛盾的预测，即高表达的基因对错义替换非常耐受，但进化非常缓慢。在这里，我们研究了一个简单的理论模型的翻译鲁棒性，使我们能够获得分析的洞察力如何出现这种自相矛盾的行为。
2006-02-20 q-bio.BM q-bio.GN q-bio.PE
Statistical analysis of the distribution of amino acids in Borrelia burgdorferi genome under different genetic codes
遗传密码被认为是通用的。为了检验编码细菌基因组的某些统计特性是否是遗传密码的固有特性所致，我们比较了在不同遗传密码下，从伯氏疏螺旋体基因组翻译蛋白质编码区获得的序列中氨基酸距离分布的自相关函数、标度特性和最大熵。总的来说，我们的研究结果表明，这些属性是非常稳定的扰动所作出的改变遗传密码。我们还讨论了目前的研究结果的进化可能的影响。
2004-03-22 q-bio.GN
Genetic influences on translation in yeast
个体间基因表达的遗传差异是表型变异的重要来源。遗传变异对蛋白质水平的影响与mRNA水平的影响有多接近，这个问题仍然没有解决。在这里，我们解决了这个问题，通过使用核糖体分析，以研究如何遗传差异之间的两个菌株的酵母S。酿酒酵母影响翻译。在数百个基因中观察到翻译的菌株差异。等位基因特异性测量的二倍体杂种之间的两个菌株显示大约一半的顺式作用的翻译的mRNA水平所观察到的影响。在亲本和杂种中，对翻译的大多数影响都是小幅度的，使得mRNA差异的方向通常反映在一致的足迹差异中。足迹水平上的顺式和反式作用变异的相对重要性与mRNA水平相似。考虑到各自的mRNA差异，翻译倾向于引起比预期更大的足迹差异。这与酵母物种之间的翻译差异相反，据报道，酵母物种之间的翻译差异更经常地对抗而不是加强mRNA差异。最后，我们对两种酵母菌株中过早翻译终止的实例进行了编目，还发现了几个实例，其中错误的参考基因注释导致明显的无义突变，这些突变实际上位于翻译的基因体之外。总的来说，遗传对翻译的影响微妙地调节基因表达差异，并且翻译不会在遗传对mRNA和蛋白质水平的影响之间产生强烈的差异。
2014-09-02 q-bio.GN
Automated DNA Motif Discovery
Ensembl的人类非编码和蛋白质编码基因用于自动查找DNA模式基序。遗传编程使用正则表达式（RE）的巴科斯-诺尔形式（BNF）语法来确保生成的字符串是合法的。进化的基序表明，在转录物早期存在胸腺嘧啶，随后是一个或多个腺嘌呤等，表明非蛋白质编码基因。保留字：假基因、短和微小RNA、非编码转录物、系统生物学、机器学习、生物信息学、模体、正则表达式、强类型遗传编程、上下文无关语法。
2010-01-30 q-bio.BM q-bio.GN
Sparse dictionary learning recovers pleiotropy from human cell fitness screens
在高通量功能基因组筛选中，通常假定每个基因产物在限定的蛋白质复合物或途径内表现出单一的生物学功能。在实践中，一个基因的扰动可能会导致多个级联功能的结果，遗传原理称为多效性。在这里，我们通过将每个基因扰动表示为生物功能的多个扰动的总和来模拟健身屏幕集合中的多效性，每个基因扰动都包含从数据中凭经验推断的独立健身效应。我们的方法（“Webster”）从遗传毒性适应性筛选中恢复了DNA损伤蛋白的多效性功能，从癌细胞适应性筛选中解开了共享效应蛋白上游的不同信号通路，并以无监督的方式了解了细胞层次的各个方面。根据遗传定义的功能对化合物敏感性曲线进行建模，恢复了化合物的作用机制。我们的方法建立了一个稀疏近似机制，解开复杂的遗传结构的高维基因扰动读出。
2021-11-11 q-bio.GN q-bio.MN q-bio.QM
ProPath: Disease-Specific Protein Language Model for Variant Pathogenicity
Cedars-Sinai Medical Center（西达赛奈医疗中心）
针对现有通用变异效应预测模型缺乏疾病特异性、临床适配性不足的问题，本研究提出疾病特异性蛋白质语言模型ProPath，通过孪生网络捕捉罕见错义变异的伪对数似然比，在心肌病和心律失常数据集上的AUC较ESM1b提升超5%，为疾病特异性变异效应预测提供了有效工具。
2023-11-08 cs.AI cs.LG q-bio.GN
Identifying Genetic Risk Factors via Sparse Group Lasso with Group Graph Structure
Arizona State University（亚利桑那州立大学）；Baidu Research（百度研究院）；University of Southern California（南加州大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Michigan（密歇根大学）
全基因组关联研究（GWA研究或GWAS）研究遗传变异（如单核苷酸多态性（SNP））与个体性状之间的关系。最近，在GWA研究中将生物先验知识与机器学习方法结合起来引起了越来越多的关注。然而，在现实世界中，核苷酸水平的生物先验尚未得到很好的研究。另外，在基因水平上的研究，例如，蛋白质-蛋白质相互作用和途径，是更严格和合法的，它是潜在的有益的，利用这样的基因水平的先验GWAS。在本文中，我们提出了一种新的两级结构稀疏模型，称为稀疏组套索与组级图结构（SGLGG），GWAS。它可以被认为是一个稀疏组Lasso以及一个组级图Lasso。从本质上讲，SGLGG惩罚核苷酸水平的稀疏性，并利用基因水平的先验（基因组和网络），以识别表型相关的风险SNP。采用乘子算法中的交替方向法对模型进行优化。我们对阿尔茨海默病神经影像计划全基因组序列数据和神经影像数据的实验证明了SGLGG的有效性。作为一个回归模型，它是有竞争力的国家的最先进的稀疏模型;作为一个变量选择方法，SGLGG是有前途的识别阿尔茨海默病相关的风险SNPs。
2017-09-12 cs.LG q-bio.GN stat.ML
Matrix genetics, part 2: the degeneracy of the genetic code and the octave algebra with two quasi-real units (the genetic octave Yin-Yang-algebra)
分析了遗传密码的代数性质。描述了基于矩阵方法（“矩阵遗传学”）的遗传密码的研究。脊椎动物线粒体遗传密码的简并性反映在由64个三联体、20个氨基酸和终止信号组成的（8*8）-基质的黑白马赛克中。这种镶嵌遗传矩阵与特殊的8维阴阳代数及其特殊的4维情况的矩阵表示形式有关。特殊的算法，这是基于遗传分子的特征，存在的马赛克基因矩阵转换成这些代数的矩阵。用这些8维和4维代数定义了两个新的数值系统：遗传阴阳八度和遗传四度。它们与Hamilton的四元数进行了比较。讨论了新的“遗传向量计算”的要素和“遗传力学”的思想。这些代数被认为是遗传密码的模型，并作为其可能的前代码的基础。它们与阴阳二元对立有关，并为研究遗传密码的进化提供了新的机会。揭示的事实之间的关系的遗传密码和这些遗传代数讨论的想法由毕达哥拉斯：“所有的东西都是数字”。同时这些遗传代数也可以作为生物体遗传算子的代数。所描述的结果与生物信息学的代数化问题有关。他们关注这样一个问题：从代数的角度来看，生命是什么？
2008-05-14 math-ph math.MP q-bio.GN
