Evidence for growth of microbial genomes by short segmental duplications
我们表明，微生物基因组的文本分析揭示了基因组早期进化的足迹。随机DNA序列在其四个核苷酸中被视为文本，其单词出现的频率预期服从泊松分布。值得注意的是，对于小于9个字母的单词，完整微生物基因组的分布的平均宽度是泊松分布的许多倍。我们对这一现象的解释如下：基因组是一个大系统，它具有一个小得多的“随机”系统的统计特性，我们现在看到的基因组的某些文本统计特性是它们祖先基因组的残余，它们比现在的基因组短得多。这种解释为基因组的增长提供了一个简单的生物学上合理的模型：基因组首先随机增长到大约1000个核苷酸（1k nt）的初始长度，或其最终长度的千分之一，然后主要通过随机片段复制增长。我们表明，使用平均约25 nt的重复片段，生成的模型序列具有当今基因组的统计特性。初始长度和复制片段长度都支持复制开始时的RNA世界。随机片段复制将极大地增强基因组重复使用其难以获得的代码的能力，并且实践它的基因组将比那些没有的进化得快得多。
2003-02-11 physics.bio-ph q-bio.GN
Joint assembly and genetic mapping of the Atlantic horseshoe crab genome reveals ancient whole genome duplication
马蹄蟹是一种海洋节肢动物，化石记录可追溯到大约4.5亿年前。它们在漫长的进化历史中表现出显著的形态稳定性，保留了许多祖先节肢动物的特征，经常被引用为“活化石”的例子。“作为节肢动物，它们属于蜕皮动物，这是一个古老的超门，其测序的基因组（包括昆虫和线虫）迄今为止显示出比刺胞动物，后口动物和lophotrochozoans更偏离真后生动物基因组组织的祖先模式。然而，许多蜕皮动物的多样性仍然是不代表的比较基因组分析。在这里，我们使用一种新的策略相结合的从头组装和遗传作图来研究大西洋鲎的染色体规模的基因组组织。我们通过对34个野生收集的全同胞胚胎及其父母的核DNA进行测序，构建了这个2.7 Gbp基因组的遗传连锁图，每个样本的平均冗余度为1.1 x。该图谱包括84，307个序列标记和5，775个候选保守蛋白质编码基因。与其他后生动物基因组的比较表明，L。因此，我们认为，在大约300 MYA的时间里，美洲鲎的基因组保留了祖先的双侧连锁群，而现代鲎的共同祖先经历了一次或多次古老的全基因组复制（WGD），随后发生了广泛的染色体融合。
2013-09-28 q-bio.GN
Mean-field methods in evolutionary duplication-innovation-loss models for the genome-level repertoire of protein domains
我们提出了一个组合的平均场和模拟方法来描述不同的模型的动态元素，可以出现，消失或复制自己形成的类。这些模型与被称为中国餐馆过程的范式复制创新模型相关，旨在重现在所有已知物种的蛋白质结构域的全基因组库中观察到的缩放行为。鉴于这些数据，我们讨论了定性和定量的差异的替代模型配方，特别侧重于元素损失和经验域类的特异性的作用。
2010-01-22 q-bio.GN q-bio.QM
A variant of the tandem duplication - random loss model of genome rearrangement
在Soda'06中，Chaudhuri，Chen，Mihaescu和Rao研究了基因组重排的串联重复-随机丢失模型的算法特性，这在进化生物学中是众所周知的。在他们的模型中，复制的一个步骤-宽度k的损失的成本是$α=1$的$α^k$或$α>=2 $。在本文中，我们研究了这个模型的一个变体，其中一个步骤的宽度$k$的成本是1，如果$k <= K$和$\infty$，如果$k > K$，对于任何值的参数$K in N$。我们首先表明，$p$步骤后获得的排列宽度$K$定义类的模式，避免排列。我们还计算了在最坏的情况下和平均情况下，获得$S_n$的任何置换所必需的和足够的宽度$K$的重复丢失步骤的数量。在第二部分中，我们还可以考虑$K=K(n)$的情况，它是执行重复丢失操作的置换的大小$n$的函数。
2008-01-16 math.CO q-bio.GN
Global regulation of genome duplication in eukaryotes: an overview from the epifluorescence microscope
在真核生物中，DNA复制沿着每条染色体在多个称为复制起点的位点启动。在局部，每个复制起点都是在细胞周期M期结束和G1期开始时“许可”或指定的。在S期，当DNA合成发生时，起源在对应于早期和晚期复制结构域的阶段被激活。复制起点的阶段性和渐进性激活反映了在活跃复制叉的数量和DNA合成进行的速率之间保持严格平衡的需要。这表明起点密度（起始频率）和复制叉移动（延伸率）必须共同调节，以保证每个亚染色体结构域的有效和完全复制。新出现的证据支持这一建议，并表明ATM/ATR内S期检查点起着重要的作用，在共同调节的起始频率和延长率。在下文中，我们回顾了最近的结果有关的机制管理的全球调控DNA复制和讨论的作用，这些机制在维持基因组的稳定性在一个正常的和扰动的S期。
2008-01-21 q-bio.GN
Progressive Mauve: Multiple alignment of genomes with gene flux and rearrangement
多基因组比对仍然是一个具有挑战性的问题。重组的影响包括重排、片段复制、获得和丢失，甚至在密切相关的生物体中也可以产生同源性的镶嵌模式。我们描述了一种方法来对齐两个或多个经历了大规模重组的基因组，特别是经历了大量基因获得和丢失（基因流）的基因组。该方法利用了一种新的比对客观评分，称为对断点评分之和。我们还应用概率比对过滤方法来去除不相关序列的错误比对，这在其他基因组比对方法中是常见的。我们描述了用于量化基因组比对准确性的新指标，其测量重排断点预测和插入缺失预测的质量。渐进式基因组比对算法在基因组经历了现实数量的基因组重排、基因获得、丢失和复制的情况下，显示出比以前的方法显著提高的准确性。我们应用渐进式基因组比对算法，一组23个完全测序的基因组从属大肠杆菌，志贺氏菌，沙门氏菌。23种肠杆菌的基因组保守区约为2.46Mbp，总的独特区约为15.2Mbp。我们记录了大量的人口水平的变异，这些生物体之间的同源重组，基因获得和基因丢失。实施所述基因组比对方法的免费开源软件可从http://gel.ahabs.wisc.edu/mauve获得。
2009-10-30 q-bio.BM q-bio.GN
Some Enumeration Problems in the Duplication-Loss Model of Genome Rearrangement
串联重复随机丢失（TDRL）是进化生物学中研究的一种重要的基因组重排操作。本文研究了对称群（$ n $-集上的置换空间）上TDRL运算的一些形式性质。特别是，在TDRL度量的半径为1的“球”的基数，以及两个这样的球的最大交集的基数，确定。也解决了所谓的镜像（或回文）TDRL重排操作的相应问题。结果代表了在这种情况下的纠错和重建问题的研究的第一步，并在基于DNA的数据存储应用的潜在利益。
2019-06-06 cs.DM cs.IT math.IT
Fast Characterization of Segmental Duplications in Genome Assemblies
片段重复（SD）或低拷贝重复（LCR）是大于1 Kbp的DNA片段，具有高序列同一性，可复制到基因组的其他区域。SDs是进化的最重要来源之一，是基因组结构变异的常见原因，其中一些与基因组起源的疾病有关。尽管其功能的重要性，SDs提出的从头基因组组装的主要障碍之一，由于它们在建立和穿越最先进的布局-共识和de Bruijn图的模糊性。这导致SD区域被错误组装，折叠成独特的表示，或从各种生物体的组装参考基因组中完全缺失。反过来，这些缺失或不正确的信息限制了我们充分理解基因组进化和结构的能力。尽管有必要准确地表征组装中的SD，但只有一种工具已被开发用于此目的，称为全基因组组装比较（WGAC）。WGAC由几个步骤组成，这些步骤使用不同的工具和自定义脚本，这使得使用起来既困难又耗时。因此，仍然需要算法来快速、准确地并且以用户友好的方式表征组件内SD。在这里，我们引入了一个分段重复评估框架（SEDEF），通过复杂的过滤策略，基于Jaccard相似性和本地链接快速检测SD。我们表明，SEDEF准确地检测SD，同时保持大幅加快WGAC，转化为实际的运行时间分钟，而不是几周。值得注意的是，我们的算法捕获了片段之间高达25%的成对错误，而以前的研究仅关注10%，使我们能够更深入地跟踪基因组的进化历史。SEDEF可在https://github.com/vpc-ccg/sedef上获得
2018-08-01 cs.DS q-bio.GN
Maximum-frequency gene tree: a simplified genome-scale approach to overcoming incongruence in molecular phylogenies
基因组和基因在进化过程中多样化;然而，目前还不清楚基因在多大程度上仍然保留物种之间的关系。分子系统发育研究的模式物种包括基因组测序的酵母和病毒，以及具有化石支持的真实系统发育树的植物。在这项研究中，我们生成的单基因树的7个酵母物种，以及单基因树的9个杆状病毒物种之间的所有正交基因比较。利用7种已知植物中的同源基因进行验证。四个算法：最大简约，最小进化，最大似然，和邻居加入，被使用。在对基因间DNA和蛋白质序列长度进行加权之前和之后重建树。很少有一个基因总是能通过所有四种算法生成“真树”。然而，最常见的基因树，称为“最大基因支持树”（MGS树，或加权的WMGS树），在酵母，杆状病毒，或植物中被一致地发现是“真正的树”的物种。这些结果揭示了所分析的基因组中直向基因的总体分化程度，并表明：1）所研究的物种之间的真正亲缘关系仍然是由最大的直向基因组所维持的：2）遗传上较近的物种之间通常有更多的直向基因具有较高的相似性，而遗传上较远的物种之间通常有更多的直向基因具有较高的相似性; 3）最大基因支持树反映了物种间的系统发育关系。关键词：基因组，基因进化，分子遗传学，真树
2008-06-07 q-bio.GN
Universal Features in the Genome-level Evolution of Protein Domains
蛋白质结构域在基因组上具有显著的统计分布，具有高度的相似性。以前的工作已经表明，这些分布可以通过简单的模型来解释，其中的主要成分是重复，创新和域丢失的概率。然而，到目前为止，还没有人解决的问题，这些分布遵循明确的趋势，仅取决于蛋白质编码基因组的大小。我们提出了一个随机复制/创新模型，属于所谓的中餐馆流程类，能够解释数据的这一特征。该模型仅使用两个通用参数，与最小数量的领域和创新与复制的相对权重有关，再现了两个重要方面：（a）领域类别的人口（与同源类相关的集合，包含不同蛋白质中相同结构域的实现）遵循共同的幂律，其截止值由基因组大小决定，和（b）结构域家族的数目是普遍的，并且在基因组大小上是明显的亚线性的。该模型的一个重要组成部分是，创新概率随着基因组大小而降低。我们提出的可能性，解释这是一个全球性的限制，扩大日益复杂的相互作用的成本。
2008-07-11 q-bio.GN q-bio.QM
Simple stochastic birth and death models of genome evolution: Was there enough time for us to evolve?
我们表明，简单的随机模型的基因组进化导致幂律渐近的蛋白质结构域家族大小分布。这些模型被称为出生、死亡和创新模型（BDIM），代表了一类特殊的平衡出生和死亡过程，其中结构域重复和删除率在二阶以下渐近相等。最简单的线性BDIM显示出与观察到的不同原核和真核基因组中结构域家族大小分布的极好拟合。然而，这里探讨的线性BDIM的随机版本预测，大型旁系同源家族的实际规模是在不切实际的长时间尺度上达到的。我们表明，引入非线性，这可能被解释为一个特定的顺序之间的相互作用的个别家庭成员，允许该模型实现基因组进化率，更好地与目前估计的个人复制/丢失事件的速率兼容。
2005-07-13 q-bio.GN q-bio.PE
Genome-scale phylogenetic analysis finds extensive gene transfer among Fungi
尽管横向基因转移在细菌进化中的作用已被充分认识，但通常认为它在真核生物中的影响较小。为了探索这一假设，我们比较了两组生物体的基因组进化动态：蓝藻和真菌。祖先基因组推断在两个分支使用两种类型的方法。首先，计数，一种基因树不知道的方法，模型基因复制，增益和损失，以解释观察到的基因组中存在的基因数量。第二，ALE，一种最近的基因树感知方法，使用基因复制，丢失和转移的模型将基因树与物种树相协调。我们比较他们的优点和他们的能力，以量化的作用，转让，并评估分类抽样的影响，他们的推论。我们提出了我们认为是令人信服的证据，基因转移在真菌的进化中起着重要作用。
2015-07-15 q-bio.GN q-bio.PE q-bio.QM
Parameters of proteome evolution from histograms of amino-acid sequence identities of paralogous proteins
在给定基因组中编码的蛋白质的完整库的进化主要由现有蛋白质的基因复制、缺失和序列修饰驱动。这三个基本过程的相对速率和其他内在参数的间接信息包含在旁系同源蛋白质对的序列同一性的蛋白质组范围分布中。我们介绍了一个简单的数学框架的基础上的随机出生和死亡模型，允许一个提取的一些信息，并将其应用到所有对的旁系同源蛋白在七个模式生物。发现通过基因组中编码的所有蛋白质序列的全对全比对产生的序列同一性p的直方图与幂律形式~p^（-γ）很好地拟合，对于本研究中使用的大多数生物体，指数γ的值约为4。这意味着置换率的蛋白质内变异性最好用指数α ~ 0.33的γ分布来描述。我们分别测量短期（“原始”）复制和缺失率r*_dup，r*_del，其中包括在复制事件后不久将被移除的基因拷贝和它们显著减少的长期对应物r_dup，r_del。分析了四种重复/缺失率中的每一种与基因组中基因总数的系统趋势。除了最近重复的r*_del的缺失率外，所有的缺失率都显示出随N_基因的增加而系统地增加。在酵母和人类中观察到的序列同一性直方图的异常平坦形状与导致这些生物体经历一个或多个全基因组复制的谱系一致。
2007-11-05 cond-mat.soft q-bio.GN
Landscape of standing variation for tandem duplications in Drosophila yakuba and Drosophila simulans
我们使用全基因组配对末端Illumina序列数据鉴定了20个D. yakuba和20个D. simulans进行了基因组验证，并使用PacBio长分子测序进行了全基因组验证。我们确定了1，415个串联重复在D中分离。yakuba和D. simulans，表明D.日本料理。此外，我们观察到重复位点的二次缺失率很高，在D. simulans和D.被删除的日式浴衣。这些二级缺失与大环错配修复系统去除多态性串联重复的作用是一致的，导致重复等位基因的获得和丢失的快速动态和比以前报道的更丰富的遗传新颖性底物。大多数重复仅存在于单个菌株中，这表明有害影响很常见。D.与D. simulans中较大比例的基因片段相比，D. simulans中较大数量的全基因重复。日本料理。D. simulans在X染色体上显示出过量的高频变异，这与通过D染色体上的复制实现的适应性进化相一致。simulans X或人口因素驱动重复的高频率。我们在D. yakuba和D. simulans的非编码序列，以及143例D. yakuba和D. simulans的嵌合基因起源率与D.黑腹菌总之，这些结果表明，串联重复往往会导致复杂的变异超出整个基因重复，提供了丰富的基础上的常设变异，这可能有助于有害的表型和疾病，以及适应性进化变化。
2014-04-23 q-bio.GN q-bio.PE
Bayesian hierarchical modelling for inferring genetic interactions in yeast
定量适合度分析（QFA）是一种用于测量微生物种群生长的高通量实验和计算方法。QFA筛选可用于比较查询基因中有突变和无突变的细胞群体的健康状况，以推断全基因组的遗传相互作用强度，检查数千种不同的基因型。我们引入贝叶斯，层次模型的人口增长率和遗传相互作用，更好地反映QFA实验设计比目前的方法。我们的新方法模型种群动力学和遗传相互作用的同时，从而避免通过一个单变量的健身总结模型之间传递信息。更紧密地匹配实验结构，贝叶斯分层方法更有效地使用数据，并在已发布的数据集中找到与酵母端粒相互作用的基因的新证据。
2015-08-14 q-bio.GN q-bio.QM stat.AP
Exemplar or Matching: Modeling DCJ Problems with Unequal Content Genome Data
DCJ模型下的编辑距离可以在线性时间内计算具有相等内容或具有插入缺失的基因组。但是，它成为NP难的存在的重复，一个问题在很大程度上没有解决，特别是当Indel被认为是。在本文中，我们比较了两种主流的方法来处理重复，并将它们与插入缺失：一个通过删除，即DCJ-Indel-Exemplar距离，与其他基因匹配，即DCJ-Indel-Matching距离。我们设计的分支定界算法与一组优化方法来计算两者的精确距离。此外，中位数问题进行了讨论，与这两个距离的方法，这是找到一个中位数基因组，最大限度地减少自己和三个给定的基因组之间的距离。Lin-Kernighan（LK）启发式算法通过子图分解和搜索空间缩减技术来处理中值计算。在合成数据集和真实数据集上进行了广泛的实验，以显示这两个距离度量本身的优点和缺点，以及将它们置于中值计算场景中。
2017-05-18 cs.CE cs.DS q-bio.GN
A Solvable Sequence Evolution Model and Genomic Correlations
研究了基因组进化的一个最小模型，其基本过程是单位点突变、序列区的重复和缺失以及随机片段的插入。发现这些过程在字母的组成中产生长距离相关性，只要序列长度在增长，即，重复和插入的组合率高于缺失率。另一方面，对于恒定的序列长度，所有初始相关性都呈指数衰减。这些结果是通过分析和模拟得到的。它们进行了比较，在基因组DNA中观察到的长程相关性，并讨论了基因组进化的影响。
2005-01-09 cond-mat.stat-mech q-bio.GN
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
Gene family amplification facilitates adaptation in freshwater Unionid bivalve Megalonaias nervosa
由于生物体面临着激烈的快速变化的选择压力，需要新的遗传物质来促进适应。在遗传新颖性的来源中，基因复制和转座因子（TE）提供了新的基因或新的调控模式，可以促进进化变化。随着基因组测序技术的进步，当种群受到威胁时，可以更广泛地了解非模式物种中基因家族的增殖和TE含量的演变。淡水双壳类（蚌科）目前面临着严重的人为挑战。在美国，超过70%的物种受到威胁，濒危或灭绝，由于污染，水道筑坝和过度捕捞。我们已经为M创建了参考基因组。nervosa来确定基因组内容在面对这些广泛的环境挑战时是如何演变的。我们观察到最近的转座因子增殖的爆发，导致382 Mb的基因组内容的扩展。基因家族扩展很常见，每代每个基因的重复率为1.16 x 10 ^-8。细胞色素P450、ABC转运蛋白、Hsp70基因、von Willebrand蛋白、几丁质代谢基因、线粒体吞噬蛋白和视蛋白基因家族经历了显著更大的扩增并显示出选择的特征。我们使用进化理论来评估SNP和重复在进化变化中的相对贡献。估计表明，基因家族进化可能提供了一个特殊的基板的遗传变异在M。nervosa，Psgv = 0.185，而单个核苷酸变化的Psgv = 0.067。因此，我们认为基因家族进化是基因组中促进适应的“希望怪物”的来源。
2020-11-16 q-bio.GN q-bio.PE
Late-replicating CNVs as a source of new genes
基因组的异步复制与人群中不同的点突变率和拷贝数变异（CNV）有关。在这里，我们探讨了与DNA复制时间相关的CNV产生的偏差是否可能在进化过程中制约了新蛋白质编码基因的诞生。我们发现，在灵长类动物进化过程中复制的基因更常见于位于复制晚期CNV区域的人类基因中。我们追踪复制时间和重复基因的进化年龄之间的关系。引人注目的是，我们发现，在人类和小鼠基因组的晚期复制区域中，进化上年轻的复制品显着富集。事实上，复制后期区域中的复制品的存在随着自复制以来的进化时间的延长而逐渐减少。我们的研究结果表明，最近的复制在复制晚期CNV区域的积累是一个积极的过程，影响基因组的进化。
2013-10-30 q-bio.GN
PGA: A Program for Genome Annotation by Comparative Analysis of Maximum Likelihood Phylogenies of Genes and Species
系统发生基因组注释器（PGA）是一个计算机程序，可以实时比较从全基因组数据的预测开放阅读框获得的“基因树”与“物种树”。对于每个单独的基因组预测的蛋白质推断基因同源性，而从rDNA数据推断物种同源性。由PFAM定义的相关蛋白质结构域随后与相应物种的同源性并排显示。用四重困惑法给出了基因簇（分支）的统计支持。这种分析很容易区分旁系同源物和直系同源物，从而能够鉴定由基因重复产生的蛋白质，并预测相似序列组中可能的功能差异。
2014-04-02 q-bio.GN q-bio.PE
Lateral Gene Transfer, Rearrangement and Reconciliation
背景祖先基因顺序重建模型逐步整合了不同的进化模式和过程，如不平等的基因内容，基因复制，并通过协调基因树隐含序列进化。在单细胞生物体中，这些模型迄今为止忽略了横向基因转移，尽管它可能对这些模型产生重要的混淆作用，以及通过检测整个基因簇的转移来提供关于基因功能的丰富信息来源。结果.我们报告了一个算法及其实现，DeCoLT，重建祖先的基因组组织的基础上调和基因树，总结信息序列进化，基因起源，复制，丢失，和横向转移。DeCoLT在多项式时间内找到重排的最小数量，计算为基因对之间相邻性的增加和破坏的数量。我们将DeCoLT应用于来自36个蓝藻基因组的1099个基因家族。结论DeCoLT能够在几个小时内重建35个祖先细菌基因组与1000个基因家族的邻接关系，并检测共转移基因的簇。由于对基因组组织没有约束，邻接可以推广到基因之间的任何关系，以重建具有相同框架的祖先相互作用，功能或复合物。
2013-06-27 q-bio.GN q-bio.PE
Law of Genome Evolution Direction : Coding Information Quantity Grows
研究了基因组进化的方向性问题。通过对C值悖论和基因组大小进化的分析，提出基因组功能编码信息量在进化过程中通过序列复制、编码扩展和外源基因转移而不断增长。基因组的功能编码信息量由两部分组成，即编码功能蛋白质的p-编码信息量和编码除氨基酸序列以外的其它功能元件的n-编码信息量。列举了功能编码信息量演化规律的证据。功能需求是编码信息量扩张的动力，信息量扩张是物种功能创新和延伸的途径。因此，基因组编码信息量的增加是获得新功能的一个量度，它决定了基因组进化的方向性。
2008-08-25 q-bio.CB q-bio.GN
On the Law of Directionality of Genome Evolution
从信息论的角度研究了基因组进化的方向性问题。我们认为，在进化过程中，基因组的功能编码信息量总是通过序列复制、编码扩展和基因组间的基因转移而增长的。基因组的功能编码信息量由两部分组成，即编码功能蛋白质的p-编码信息量和编码除氨基酸序列以外的其它功能元件的n-编码信息量。建议的法律的热力学定律的关系表示。研究了生物信息学揭示的DNA序列的进化趋势，为进化规律提供了进一步的证据。认为基因组进化的方向性来自于物种对环境的适应性竞争。提出了一个基因组进化速率的表达式，该速率是达尔文温度（描述物种竞争）和适应度斜率（描述适应性景观）的函数。最后简要讨论了演化方向性的直接实验检验问题。
2011-08-04 q-bio.CB q-bio.GN
Hidden breakpoints in genome alignments
在进化过程中，生物体的基因组可以经历影响基因组大规模结构的变化。这些变化包括基因获得、丢失、复制、染色体融合、分裂和重排。当基因获得和丢失除了发生其他类型的重排，重排的断点可以存在，只能通过比较三个或更多个基因组检测。任意数量的这些“隐藏”断点可以存在于在成对比较中没有表现出重排的基因组中。我们提出了一个扩展的多染色体断点中位数问题的基因组，经历了基因的获得和损失。然后，我们证明了三个基因组之间的中位数距离可以用来计算存在的隐藏断点的数量的下限。我们提供了这种计算的实现，包括中值距离，以及底层算法的时间复杂度的一些实际改进。我们应用我们的方法来衡量丰富的隐藏断点在模拟数据集下的广泛的进化场景。我们表明，在模拟中的隐藏断点计数强烈依赖于相对速率的反转和基因的增益/损失。最后，我们将当前的多个基因组比对的模拟基因组，并表明，所有的比对引入了高度的错误隐藏断点计数，这种错误的增长与进化的距离在模拟。我们的研究结果表明，隐藏的断点错误可能是普遍的基因组比对。
2012-07-30 q-bio.GN
The pattern and process of gene family evolution
大规模的数据库是可用的，其包含从跨越生命的三个域的数百个完整基因组序列构建的同源基因家族。在这里，我们讨论的方法越来越复杂，旨在从这样的数据集提取基因家族进化的模式和过程的信息。特别是，我们认为模型调用基因出生（复制和转移）和死亡（损失）的过程来解释基因家族的进化。首先，我们回顾了家庭规模演化的出生和死亡模型及其含义，在不同物种和生命的三个领域中观察到的家庭规模分布的普遍特征。随后，我们进行到最近的事态发展，能够更全面地考虑信息的同源基因家族的序列，通过概率和解的个体基因的系统发育历史与系统发育历史的基因组中，他们居住的模型。为了说明所提出的方法和结果，我们使用HOGENOM数据库的数据，证明真核生物、古细菌和细菌基因组中同源基因家族大小的分布表现出非常相似的形状。我们发现，这些分布是最好的基因家族规模的进化模型，其中个别基因的死亡（损失）率大于出生（复制和转移）率，但新的家庭不断提供给基因组的起源过程。最后，我们使用概率调和方法，考虑到额外的信息，从基因遗传，并发现，对于原核生物，大多数的出生事件是转移的结果。
2011-02-11 q-bio.GN q-bio.PE
Two Major Paths of Gene-Duplicates Evolution
进化的基因组通过基因复制增加了它们的基因数量。为了避免无功能假基因的退化，任何基因复制都需要通过负选择（纯化）来保护，以避免不可避免的退化突变的固定。在目前的研究中，我们专注于新的副本在这种监督下的进化阶段。我们对几个基因组的分析表明，在大约10%的基因对中，选择在复制事件后很快就开始保护新的基因拷贝，而绝大多数（90%）额外的基因仍然是多余的，不被选择识别。这样的重复以中性方式积累所有突变（包括退化突变），实际上注定成为假基因。我们通过分析第二和第三密码子位置的突变揭示了这种“双流”进化模式，但不是通过常规使用的氨基酸替换（R）与沉默替换（S）的比率，即，“第二对第三”度量被证明比传统的“R对S”度量更能分辨中性进化的未来假基因与它们的功能对应物，负选择在大型基因组的基因数据库中，数百个未来的假基因被注释为功能基因，因为根据标准标准（甚至包括主动转录和翻译），它们看起来确实完整且有价值。显然，这些“拟假基因”过度遮蔽和模仿那些非常罕见的基因重复，并在正选择的驱动下增加了序列进化速率。
2004-10-20 q-bio.GN q-bio.PE
Limited Lifespan of Fragile Regions in Mammalian Evolution
基因组进化中的一个重要问题是是否存在染色体重排反复发生的脆弱区域（重排热点）。尽管几乎所有最近的研究都支持哺乳动物基因组中存在脆弱区域，但最全面的哺乳动物基因组学研究（Ma et al.（2006）Genome Research 16，1557-1565）对它们的存在提出了一些质疑。我们表明，脆弱的地区受到“出生和死亡”的过程，这意味着脆弱性有限的进化寿命。这一发现意味着脆弱区域迁移到不同哺乳动物的不同位置，解释了为什么不同谱系之间只有少数染色体断裂点。脆弱区域的诞生和死亡现象强化了这样一个假设，即重排是由匹配的片段重复促进的，并表明了目前活跃的脆弱区域在人类基因组中的假定位置。
2010-10-31 q-bio.GN q-bio.PE q-bio.QM
Functional Bias and Spatial Organization of Genes in Mutational Hot and Cold Regions in the Human Genome
已知中性突变率沿人类染色体变化很大，导致突变的热和冷区域。我们提供的证据表明，类别的功能相关的基因优先驻留在突变的热或冷的区域，我们已经测量的大小。热区基因偏向于细胞外通讯（表面受体、细胞黏附、免疫反应等）而寒冷地区的人则偏向于基本的细胞过程（基因调控、RNA加工、蛋白质修饰等）。从选择的角度来看，这种基因组织可以最大限度地减少需要保守的基因的突变负荷，并允许必须经常适应的基因快速进化。我们还分析了基因重复和染色体重组的影响，这对某些类别的热基因的这些偏见有显着贡献。总的来说，我们的研究结果表明，基因位于非随机相对于热和冷的区域，提供了选择在人类基因组中的基因位置的水平上发挥作用的可能性。
2004-02-03 q-bio.GN q-bio.PE
Developmental constraints on vertebrate genome evolution
胚胎发育中的限制被认为会使某些变化不太可能发生，而另一些变化则更可能发生，这取决于它们对个体发育的影响。在这里，我们的特点作用于脊椎动物基因组进化的约束。我们使用了来自两种脊椎动物的基因表达数据：斑马鱼，使用跨越14个发育阶段的微阵列实验，和小鼠，使用26个发育阶段的EST计数。我们发现，在这两个物种中，在发育早期表达的基因（1）具有更显著的敲除或突变效应，（2）相对于晚期表达的基因，在全基因组复制后更有可能恢复为单拷贝。这支持了对脊椎动物发育早期阶段的高度限制，使它们对创新（基因获得或基因丢失）的开放程度较低。结果对不同来源的数据-来自微阵列、EST或原位杂交的基因表达;以及来自定向KO、转基因插入、点突变或吗啉代的突变体具有稳健性。我们确定这些约束的模式，这不同于用于描述脊椎动物形态保护的模型（“沙漏”模型）。虽然形态学的限制达到最大的中期发展（“典型”阶段），基因组的限制出现在一个单调的方式随着发育时间的推移减少。
2012-03-06 q-bio.GN q-bio.PE
Sequencing and characterisation of rearrangements in three S. pastorianus strains reveals the presence of chimeric genes and gives evidence of breakpoint reuse
总的染色体重排有可能在进化上对适应性生物有利。杂交物种的产生通过将两个同源基因组结合在一起来增加重组的机会。我们试图定义的位置基因组重排的三个菌株的酵母巴斯德，一个天然的啤酒酿造酵母杂交酿酒酵母和酵母酵母eubayanus，使用全基因组鸟枪测序。每株S. pastorianus已经失去了其基因组的物种特异性部分，并经历了广泛的重组，产生嵌合染色体。我们预测了30个断点，并通过设计每个断点侧翼的物种特异性引物，然后对PCR产物进行测序，在单核苷酸水平上确认了这些断点。这些重排是两个亚基因组之间同源区域之间重组的结果，而不是重复元件如转座子或tRNA。有趣的是，28/30 S。酿酒酵母- S. Eubayanus重组断点位于基因区域内，产生嵌合基因。此外，我们显示的证据，位于HSP 82和KEM 1，在拟议的独立来源的菌株的重复使用的两个断点。
2013-11-08 q-bio.GN
Genetic transfer in Staphylococcus: a case study of 13 genomes
葡萄球菌分离株中抗生素耐药性和毒力的广泛存在归因于不同菌株或种之间的横向遗传转移（LGT）。然而，很少有研究的葡萄球菌属的LGT的程度，使用系统发育的方法，特别是这种遗传转移的单位。在这里，我们报告了第一个系统的研究单位的遗传转移在13个葡萄球菌基因组，使用严格的系统发育的方法。我们发现在1354个同源基因家族中有26.1%的家族存在LGT，在另外17.9%的家族中可能更多。基因内转移和全基因转移对这些基因家族与参考基因的不一致性几乎有同样的贡献。比较单拷贝和多拷贝基因家族中的遗传转移，我们发现在基因内（片段）遗传转移的情况下几乎没有功能偏倚，但在全基因（非片段）遗传转移的情况下却存在大量功能偏倚，并且我们观察到多拷贝基因家族中LGT的频率较高。我们的研究结果表明，LGT和基因复制在葡萄球菌基因组功能创新的因素中起着重要作用。
2008-01-29 q-bio.GN q-bio.PE
Stress induces remodelling of yeast interaction and co-expression networks
网络分析为全基因组数据的解释提供了一个强大的框架。虽然静态网络的方法已被证明是富有成效的，有越来越多的兴趣在不同条件下的蜂窝网络的分析所获得的见解。在这项工作中，我们研究了应力对裂殖酵母细胞网络的影响。应激引发复杂的大规模细胞反应，涉及从细胞生长和代谢向保护和维持的资源转移。以前的工作表明，这些变化可以在网络层面上得到赞赏。在本文中，我们研究了两种类型的细胞网络：基因共调控网络和加权蛋白质相互作用网络。我们表明，在应对氧化应激，共调节网络重组朝着一个更加模块化的结构：而套基因变得更加紧密的共调节，这些模块之间的共调节减少。这种转变转化为更长的平均最短路径长度，增加了传递性，并减少了这些网络中的模块重叠。我们还发现了一个类似的变化，在加权蛋白质相互作用网络在响应氧化应激和氮饥饿，确认和扩展以前的研究结果。网络结构的这些变化可能代表网络鲁棒性的增加和/或更专业的功能模块的出现。此外，我们发现应激诱导非编码RNA的更紧密的共调节，剪接因子的功能重要性降低，以及参与染色质组织、细胞骨架组织、细胞分裂和蛋白质周转的基因中心性的变化。
2013-03-20 q-bio.CB q-bio.GN q-bio.MN
New stopping criteria for segmenting DNA sequences
本文提出了一种在具有复杂统计模式的非均匀DNA序列分割中的停止准则的解决方案。这种新的停止准则是基于贝叶斯信息准则（BIC）的模型选择框架。当这个停止标准被应用到一个左端粒序列的酵母酿酒酵母和完整的基因组序列的细菌大肠杆菌，生物学意义的单位的边界被确定（例如，亚端粒单位，复制起点，和复制末端），并获得了更合理的结构域的数量。我们还介绍了一种称为分割强度的措施，可用于控制大域的划定。对于几个基因组序列，确定了平均域大小和分割强度阈值之间的关系。
2001-04-05 physics.bio-ph physics.data-an q-bio.GN
Modularity "for free" in genome architecture?
背景资料：最近的基因组-蛋白质组进化模型表明，细胞网络的全球结构所显示的一些关键特征可能是复制多样化（DD）过程的自然结果。这种进化的后果之一是出现了一个小世界架构以及无标度分布的相互作用。在这里，我们表明，这种结构出现的参数空间的域是有关的相变现象。在这个过渡点上，模块化架构作为DD过程的副产品自然出现。结果如下：虽然DD模型缺乏任何功能，因此不受功能约束，但它们显示了当调整到将高度连接的图与断开的系统分离的尖锐过渡点附近时由真实蛋白质组图显示的观察到的特征。接近这样的边界，地图显示无标度的层次组织，表现为小世界和模块化。结论：自然选择调整了平均连通性，使网络达到稀疏的连接图。这种情况的一个后果是，构建模块化网络的缩放定律和基本成分在这种转变附近免费出现。
2003-12-19 q-bio.GN q-bio.MN
Copy Number Variants and Segmental Duplications Show Different Formation Signatures
除了单核苷酸多态性（SNPs）方面的差异外，从几个碱基到一个碱基的整个区域在个体之间的拷贝数也不同。这些差异被称为拷贝数变异（CNVs），这些差异的广泛映射正在进行中。最近的研究强调了它们在人类基因组中的广泛存在。片段重复（SD）是具有高序列同一性的长（> 1 kb）重复DNA片段。首先，我们分析了SDs的共定位，发现SDs彼此显著共定位，导致幂律分布，这表明了一种优先附着机制，即现有的SDs很可能参与附近创建新的SDs。其次，我们研究了CNV/SD与各种类型重复序列的关系。我们发现，以前公认的协会的SD与铝元素是显着较强的老年SD和急剧下降的年轻的。虽然可以预期SD和CNV的模式应该是相似的，但令人惊讶的是，我们发现CNV与Alu元件没有关联。这一趋势与Alu元素与年轻SDs之间的相关性下降一致，Alu元素的活性一直在下降，现在它们似乎不再活跃。此外，我们发现了一个显着的关联SD与加工假基因，这表明他们也可能介导SD的形成。此外，发现SD和CNV与微卫星的强相关性，表明卫星在两者的形成中起作用。
2007-09-26 q-bio.GN q-bio.QM
Transient crosslinking kinetics optimize gene cluster interactions
通过长链聚合物物理学的镜头，我们对染色体结构组织和动态相互作用的理解发生了革命性的变化。染色体结构和动力学的主要蛋白质贡献者是凝聚素和粘着素，它们在链内和链间产生环，并捕获姐妹染色单体的近端链。在本文中，我们探讨了瞬时的，蛋白质介导的，基因-基因交联诱导基因簇的能力，从而动态架构，在高度重复的核糖体DNA，包括核仁的芽殖酵母。我们采用三种方法：活细胞显微术;芽殖酵母G1期全基因组的计算建模，探索染色体XII上核仁中5 k bp结构域之间瞬时交联的四十年时间尺度;以及应用于全系列4D建模数据集的自动社区检测算法的时间网络模型。数据分析工具检测和跟踪基因簇，它们的大小，数量，持续时间和可塑性。生物学意义，我们的分析揭示了一个最佳的平均交联寿命，促进成对和集群基因的相互作用，通过“灵活”的聚类。在这种状态下，大的基因簇自组装，但频繁地相互作用，以簇之间的基因交换为标志，这反过来又使核仁中的全局基因相互作用最大化。这种制度之间的两个限制的情况下，每个少得多的全球基因相互作用：与较短的交联寿命，“刚性”集群出现的集群，相互作用不频繁;与较长的交联寿命，有一个溶解的集群。这些观察结果与正常酵母菌株和两个凝聚酶修饰的突变细胞株的成像实验进行了比较，将相同的图像分析管道应用于实验和模拟数据集。
2019-05-21 q-bio.GN
Homogeneity and heterogeneity of functional element composition of genome units across human and seven model organisms
Centre for Neural Circuits & Behaviour, University of Oxford（牛津大学神经环路与行为中心）
该研究分析人类与七种模式生物的基因组单元功能元件组成，发现多数基因组存在同质性，同时存在三类结构化异质性，且均匀性与重复序列位置相关，植物和果蝇的组成比脊椎动物更均匀。
2026-10-14 q-bio.GN q-bio.QM
Genetic Paralog Analysis and Simulations
用Monte Carlo方法模拟了旁系同源物产生和消除过程中的偏倚对旁系同源物群大小分布的影响。结果发现，描述基因组数目随其大小衰减的函数依赖于基因重复和缺失的概率之比，这对应于基因组大小的不同选择压力。当旁系同源序列之间的同源性阈值改变时，也观察到描述旁系同源组的数量随其大小衰减的曲线的斜率略有不同。
2003-12-18 q-bio.GN
Comparative study of the evolution of human cancer gene duplications across fish
对癌症相关基因的比较研究使我们能够获得有关这些基因的进化和功能的新信息，而且还可以了解癌症作为生物系统和物种生活史〈动〉<动>的驱动力。到目前为止，癌症基因的比较研究主要集中在哺乳动物身上。在这里，我们提供了第一个鱼类癌症相关基因拷贝数变异的比较研究。由于鱼类在进化上比哺乳动物更古老，遗传上更多样化，它们的肿瘤抑制机制不仅应该包括大多数哺乳动物的机制，而且还应该揭示新的（但可能是遗传上更古老的）以前未发现的机制。我们已经将Enhancement数据库中65种鱼类的测序基因组与COSMIC数据库中的癌症基因信息进行了匹配。通过使用Ensembl CAFE数据（提供用于基因拷贝数计数的物种树）计算跨物种的基因拷贝数，我们能够开发用于直系同源物鉴定的新颖的、资源需求较少的方法。我们的分析表明，与癌症相关的基因拷贝数变异（CNV）和鱼类物种的最大寿命的掩盖关系，这表明，较高的肿瘤抑制基因CNV延长和癌基因CNV缩短寿命，当这两个性状被添加到模型。基于肿瘤抑制基因和癌基因CNV之间的相关性，我们能够显示哪些物种具有与癌基因相关的更多肿瘤抑制基因。因此，可以认为这些物种对致癌过程具有更强的遗传防御。鱼类研究可能是一个很大程度上未开发的宝库，了解癌症的进化和生态学，通过提供新的见解研究癌症和肿瘤抑制，除了鱼类进化，生活史权衡和生态学的研究。
2021-12-14 q-bio.GN q-bio.PE
Machine Learning based Prediction of Hierarchical Classification of Transposable Elements
The University of New Orleans（新奥尔良大学）
转座因子（Transposable Elements，TE）或跳跃基因（jumping gene）是具有内在能力在宿主基因组内从一个基因组位置移动到另一个基因组位置的DNA序列。研究表明，TE在功能基因内或附近的存在可能会改变其表达。TEs还可以导致突变率的增加，甚至可以介导基因组中的重复和大的插入和缺失，促进总的遗传重排。因此，正确分类的识别跳跃基因是必不可少的，以了解他们在基因组中的遗传和进化的影响。虽然已经开发了计算方法，执行二进制分类或多标签分类的TE，很少有研究集中在他们的层次分类。最先进的机器学习分类方法利用多层感知器（MLP）（一类神经网络）来对TE进行分层分类。然而，现有的方法在分类TE时具有有限的准确性。一个更有效的分类器，它可以解释的作用，生殖细胞和体细胞的进化，是必要的。在这项研究中，我们研究了各种机器学习（ML）方法的性能。最后，提出了一种基于支持向量机（SVM）的TE分层分类方法，具有较高的分类精度。
2019-08-26 cs.LG q-bio.GN stat.ML
Global protein function prediction in protein-protein interaction networks
蛋白质功能的确定是后基因组时代最具挑战性的问题之一。全基因组的测序和获得基因共表达模式的可能性已经将注意力从单个蛋白质或小复合物的研究转移到整个蛋白质组的研究。在这种背景下，寻找可靠的蛋白质功能分配方法是极其重要的。以前的方法来推断未知功能的一类蛋白质利用序列相似性或聚类的共调节基因，系统发育概况，蛋白质-蛋白质相互作用，和蛋白质复合物。我们建议从蛋白质的物理相互作用网络中分配功能类，通过最小化具有不同类别的相互作用蛋白质的数量。功能分配是在全局范围内进行的，并且取决于蛋白质网络的整个连接模式。由于存在多个等价的解，使得多个功能分配成为可能。将该方法应用于酿酒酵母蛋白质-蛋白质相互作用网络。在存在高百分比未分类蛋白质和缺失/插入相互作用的情况下检测耐用性。
2003-06-24 cond-mat.dis-nn cond-mat.stat-mech q-bio.GN
