Universal 1/f noise, cross-overs of scaling exponents, and chromosome specific patterns of GC content in DNA sequences of the human genome
利用谱分析研究了人类基因组DNA全序列中鸟嘌呤和胞嘧啶碱基含量（GC%）的空间波动。我们发现：（i）在所有24条染色体的功率谱中普遍观察到1/f^α衰变;（ii）指数α \approx 1扩展到大约10^7个碱基，比先前观察到的长一个数量级。我们进一步发现，（iii）几乎所有的人类染色体都表现出从较低频率的α_1 \approx 1（1/f^alpha_1）到较高频率的α_2 < 1（1/f^alpha_2）的交换，通常发生在约30，000 - 100，000个碱基处，而（iv）在人类22号染色体中几乎不存在该频率范围内的交换。除了功率谱中普遍存在的1/f^alpha噪声外，我们还发现了（v）染色体特异性相关结构的几条证据，包括人类21号染色体中50万个碱基长的振荡。当窗口大小增加时，鸟嘌呤和胞嘧啶含量的方差减少的抵抗性进一步证实了人类基因组中普遍的1/f^α谱。
2004-11-03 q-bio.BM q-bio.GN
Statistical model of intra-chromosome contact maps
在一级序列中具有淬灭无序的杂聚物链的分级褶皱模型的框架下，描述了由全基因组染色体构象捕获方法（Hi-C）获得的染色体内图谱的统计特性。我们推测观察到的Hi-C图谱是许多不同层次基因组折叠方式的统计平均值，并表明淬灭初生结构的存在与层次折叠相结合可以诱导观察到的染色体内接触图谱的精细结构。
2013-11-29 q-bio.BM q-bio.GN
UNADON: Transformer-based model to predict genome-wide chromosome spatial position
Carnegie Mellon University（卡内基梅隆大学）
开发了基于Transformer的深度学习模型UNADON，利用序列特征和表观基因组信号预测全基因组染色体空间定位，在多细胞系中展现高准确率并揭示了影响染色质区室化的因素。
2023-07-01 cs.LG q-bio.GN
The parameters of Menzerath-Altmann law in genomes
在语言和音乐中，整体的大小和部分的大小之间的关系在许多描述层次（词素、单词、句子......）上都遵循曼泽拉斯-阿尔特曼定律。质量，法律规定，大的整体，其部分越小，例如，一个单词（音节）越长，它的音节（字母或音素）就越短。在基因组中也发现了这种模式：基因组（染色体）越长，其染色体（碱基对）越短。然而，最近有人认为，平均染色体长度是一个平凡的纯幂函数的染色体数目的指数为-1。本文研究了三个不同界的生物群体的平均染色体大小与染色体数目之间的函数依赖关系。纯幂函数的拟合产生-1.6和0.1之间的指数。结果表明，对于真菌、裸子植物、昆虫、爬行动物、辐鳍鱼和两栖动物，-1的指数是不可能的。即使当指数非常接近-1时，添加指数分量也能够在植物、哺乳动物、鳍鱼和两栖动物中产生更好的拟合。基因组中的Menzerath-Altmann定律参数显著偏离指数为-1的幂定律，但鸟类和软骨鱼类除外。
2012-06-14 physics.data-an q-bio.GN
Uncovering Proximity of Chromosome Territories using Classical Algebraic Statistics
交换型染色体畸变（Exchange type chromosome aberrations，ETCA）是指染色体断裂后产生的片段与来自其他染色体的其他片段重新连接时发生的基因组重排。ETCA通常在癌细胞和暴露于辐射的细胞中观察到。这些染色体重排的频率与它们的空间接近性相关，因此它可以用来推断基因组的三维结构。由于数据的稀疏性，从癌症和辐射数据中提取空间邻近度的统计意义仍然有些难以捉摸。我们在这里提出了一种新的方法来研究的三维组织的基因组使用代数统计。我们测试我们的方法上公布的数据集的照射人血淋巴细胞。我们提供了一个严格的方法来测试基因组的整体组织，并在协议与以前的结果，我们发现一个随机的相对定位的染色体与染色体对\{1，22\}和\{13，14\}，有一个显着更大的ETCA的数量比其余的染色体对，这表明他们的空间接近。我们的结论是，代数方法可以成功地用于分析遗传数据，并有潜在的应用到更大，更复杂的数据集。
2014-06-01 math.AC math.ST q-bio.GN
An end-to-end assembly of the Aedes aegypti genome
我们展示了一种雌性埃及伊蚊的端到端基因组组装，这种蚊子将黄热病、登革热、基孔肯雅病和寨卡病毒等病毒性疾病传播给人类。该组装基于2007年发表的早期基因组，并在2013年进行了改进。新的组装体具有419Mb的支架N50，其中96.9%的无帽序列锚定在染色体上。我们用这个新的组合来检验A.埃及染色体我们的研究结果表明，同线性是强烈保守的Ae。aegypti和An.冈比亚。比较D。melanogaster突出了整个染色体臂的同一性在双翅目中被保留的程度。
2016-06-13 q-bio.GN
Modelling survival and allele complementation in the evolution of genomes with polymorphic loci
我们已经模拟了由二倍体基因组代表的个体组成的有性繁殖种群的进化。一系列的8位形成一个等位基因占据一个单倍体基因组（染色体）的128个位点之一。环境需要每个基因座的特定活性，这是位于两条染色体上相应基因座上的两个等位基因的活性之和。此活动由设置为零的位数表示。在恒定的环境中，最佳拟合的个体是纯合的，其等位基因的活性对应于对一个位点的环境要求的一半（在二倍体基因组中，相应位点上的两个等位基因产生适当的活性）。在相对低的重组率下改变环境促进产生更多多态性等位基因。在杂合基因座中，不同活性的等位基因互补以满足环境要求。然而，种群的遗传库朝着数量非常有限的互补单倍型的方向进化，快速变化的环境杀死了种群。如果模拟开始时所有基因座都是杂合的，那么它们会在很长一段时间内保持杂合。
2009-11-03 q-bio.GN q-bio.PE
A model for the clustered distribution of SNPs in the human genome
出于非随机但聚集分布的SNPs，我们引入了一个现象学模型来解释人类基因组中SNPs的聚类特性。现象学模型是基于一个优先突变，以更接近现有的SNP。利用Hapmap SNP数据，我们实证证明了优先模型比随机模型更能说明SNP的聚集分布。此外，该模型不仅适用于常染色体，也适用于X染色体，尽管X染色体具有与常染色体不同的特征。对模型中估计参数的分析可以解释群体结构明显和X染色体遗传多样性低的现象。此外，参数之间的相关性揭示了突变概率的群体差异。这些结果支持了突变非独立性假说。
2016-05-21 q-bio.GN
Long-range correlation in the whole human genome
我们计算了人类基因组中24条染色体中每条染色体的互信息函数。无论每条染色体的个体功能特征如何，都观察到相同的相关模式。此外，不同尺度长度的相关性被检测到描绘一个多重分形的情况。这一事实表明了一种独特的结构演化机制。我们提出，这样的机制可能是一个扩展修改动力系统。
2004-02-25 nlin.AO q-bio.GN
A mathematical framework for centromere-aware evaluation of human genome assemblies
ItalAI；Department of Computer Science, University of Rome “La Sapienza”（罗马第一大学计算机科学系）；Department of Biology and Biotechnologies “Charles Darwin”, University of Rome “La Sapienza”（罗马第一大学生物与生物技术系（查尔斯·达尔文））
提出基于着丝粒功能基序间距离分布的KL散度度量，实现重复区域基因组组装准确性的定量评估，并应用于T2T基因组。
2026-06-11 q-bio.GN
Thermodynamic pathways to genome spatial organization in the cell nucleus
真核生物基因组的结构以高度的空间组织为特征。染色体占据与它们的活动状态相关的优选区域，然而，取代它们的基因以复杂的模式与远程位点相互作用，需要大量的DNA基因座和分子调节剂的协调。这一组织绝非随意成立，它发挥着至关重要的职能作用，但其管理原则仍然难以捉摸。通过计算机模拟的统计力学模型，我们展示了如何建筑图案自发产生的可溶性结合分子和染色体之间的物理相互作用，通过集体热力学机制。染色体共定位，环和领土的形式，并找到它们的相对位置作为稳定的热力学状态。这些通过“热力学开关”来选择，所述热力学开关由可溶性介质的浓度/亲和力以及它们沿染色体的附着位点的数量/位置来调节。因此，我们的“热力学开关模型”的核结构，解释了如何众所周知的细胞策略的DNA结合蛋白的上调或染色质结构的修改可以动态地塑造组织的细胞核的定量基础上。
2009-10-14 q-bio.GN q-bio.SC
Size and location of radish 1 chromosome regions carrying the fertility restorer Rfk1 gene in spring turnip rape
春季芜菁油菜（Brassica rapa L.）spp. Ogu-INRA CMS/Rf系统是最有前途的F1杂种系统。将Ogura恢复基因Rfo的同源基因Kosena育性恢复基因Rfk 1成功地从油菜中转入芜菁油菜中，并使携带Ogura不育系的母本恢复育性。然而，这种特性在后代中并不稳定。采用8 GISH（基因组原位杂交）和BAC-FISH（细菌人工染色体荧光原位杂交）方法对萝卜Rfk 1基因的染色体区域进行了物理定位。以萝卜DNA为基因组探针，与Rfo基因连锁的BAC 64探针进行中期染色体杂交。两种探针均在甘蓝型油菜恢复系4021-2 Rfk的染色体扩散中显示信号，而在阴性对照系4021 B中未显示信号。GISH分析清楚地表明，芜菁油菜恢复系是单体（2n=2x=20+ 1 R）或二体（2n=2x=20+ 2 R）附加系，含有一个或两个来自萝卜的外源染色体。在BAC-FISH分析中，在萝卜染色体臂的亚末端部分检测到双点信号，表明育性恢复基因Rfk 1位于这条额外的萝卜染色体上。检测到的二体附加系在甘蓝型油菜杂交种生产中不稳定。利用BAC-FISH技术，在甘蓝型油菜的两条染色体上有时可见微弱的信号，而在甘蓝型油菜的第9染色体上则有一个Rfk 1的同源区域。通过BLAST分析验证了rapa A基因组。将来，A基因组中的这一同源区域可能被携带Rfk 1基因的萝卜染色体区域所取代。
2012-08-02 q-bio.GN q-bio.PE
Transcription-driven genome organization: a model for chromosome structure and the regulation of gene expression tested through simulations
目前的人类基因组折叠模型看到了一个层次结构，从染色体区域，通过A/B区室和TAD（拓扑关联结构域），到由粘着蛋白和CTCF稳定的接触结构域。然而，这种折叠的分子机制以及折叠影响转录活性的方式仍然不清楚。在这里，我们回顾了物理原理驱动蛋白质绑定到长聚合物成簇环包围，并提出了一个简约而全面的模型的方式组织决定功能。我们认为，集群的活性RNA聚合酶和它们的转录因子是主要的建筑特征，然后，接触域，TADs，和车厢只是反映一个或多个环和集群。我们建议将一个基因拴在一个包含适当因子的簇附近-一个转录工厂-增加了发射频率，并为目前许多关于增强子，超级增强子，边界和eQTL（表达数量性状基因座）的作用的难题提供了解决方案。因此，任何基因的活性都直接受到3D空间中其周围其他转录单位活性的影响，这得到了转录因子与长聚合物上同源位点结合的布朗动力学模拟的支持。
2020-10-01 physics.bio-ph q-bio.CB 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
Non-extensive Trends in the Size Distribution of Coding and Non-coding DNA Sequences in the Human Genome
我们使用非广泛统计学研究了四条测序最完整的人类染色体（包括编码最密集的19号染色体）的一级DNA结构。我们发现，指数的编码大小分布的衰减$5.2 \le r \le 5.7$的短尺度和$1.45 \le q \le 1.50$的大尺度之间的变化。相反，控制这四条染色体中非编码大小分布的衰减的指数对于短尺度取$2.4 \le r \le 3.2$值，对于大尺度取$1.50 \le q \le 1.72$值。这种定量差异，特别是在尾部指数$q$中，表明非编码（编码）尺寸分布具有长（短）范围相关性。DNA统计中的这种非平凡差异归因于作用于非编码（编码）DNA序列的非保守（保守）进化动力学。
2005-10-11 q-bio.GN
Centromere reference models for human chromosomes X and Y satellite arrays
人类基因组仍然是不完整的，具有代表内源性着丝粒和其他异染色质区域的多兆大小的缺口。这些区域通常富含长阵列的几乎相同的串联重复序列，称为卫星DNA，提供有限数量的变异位点来区分数百万个碱基中的单个重复拷贝。这种实质性的序列同质性挑战了可用的组装策略，因此，正在进行的基因组研究中省略了着丝粒区域。为了解决这个问题，我们提出了一个本地有序的大会在两个单倍体人类卫星阵列上的染色体X和Y，导致在一个初始的线性表示的3.83 Mb的着丝粒DNA在一个单独的基因组。为了进一步扩展每个着丝粒参考序列的效用，我们评估了阵列内的位点的短读段可映射性和染色体特异性。随着卫星DNA以协调一致的方式进化，我们使用这些着丝粒组装来评估来自不同人群的372个个体之间的序列变异程度。在这样做时，我们确定了两个古老的卫星阵列的X和Y着丝粒的变体，由阵列长度和序列组成。这项研究提供了一个区域着丝粒的初始线性表示和全面的序列表征，并建立了一个基础，以扩展这些网站以及其他重复丰富的区域内复杂的基因组的基因组表征。
2013-09-17 q-bio.GN
Multifractal information production of the human genome
我们确定了人类染色体产生的符号序列的Renyi熵K_q。这些表现出非平凡的行为作为扫描参数q的函数。在热力学形式体系中，在q=1区域附近存在类似相变的现象。我们为此开发了一个理论模型的基础上叠加的两个多重分形集，这可以与不同的统计特性的编码和非编码DNA序列。该模型与人类染色体数据吻合较好。
2010-11-15 cond-mat.stat-mech nlin.CD physics.bio-ph
Genome-wide association and transcriptome analysis reveals serum ghrelin to be linked with GFRAL
目的：Ghrelin是一种促食欲肽类激素，参与能量平衡、食物摄取和糖代谢的调节。血清水平在进餐前升高，进餐后下降。胃饥饿素分泌的潜在遗传机制尚不清楚。方法：从基于人群的LIFE-ADRESS样本中选择1501名受试者，在禁食过夜后测定血清总ghrelin。进行了全基因组关联研究（GWAS）。使用MetaXcan进行基于基因的表达关联分析（全转录组关联研究（TWAS））。结果如下：在GWAS中，三个位点达到全基因组意义：包含氧化还原酶基因的WW-domain（WWOX; p=1.80E-10）位于染色体16q23.3-24.1（SNP：rs76823993）;接触蛋白相关蛋白样2基因（CNTNAP 2; p=9.0E-9）（SNP：rs 192092592）和染色体3p25.3（SNP：rs 143729751）上的Ghrelin和Obestatin前肽基因（GHRL; p=2.72E-8）。在TWAS中，血清生长素释放肽与GDNF家族受体α样（GFRAL）、促凋亡生长分化因子-15（GDF 15）的受体的RNA表达负相关（z-评分=-4.288，p=1.81E-05）。此外，生长素释放肽与核糖体蛋白L36正相关（RPL 36; z-评分=4.848，p=1.25E-06）。结论：我们的研究结果提供了两个主要的体重调节参与者，ghrelin系统和GDF 15/GFRAL通路之间的功能…
2020-09-24 q-bio.GN
Two-Parameter Characterization of Chromosome-Scale Recombination Rate
一个物种的全基因组重组率（$RR$）通常用一个参数来描述，即总遗传图谱长度（$G$）与物理图谱长度（$P$）之间的比值，以厘米摩根/兆碱基（cM/Mb）为单位测量。该参数的值在物种之间变化很大，但这些差异的原因尚不完全清楚。一个物种中总$RR$的一个限制因素，可能导致较小染色体的$RR$增加，是每个染色体（或染色体臂）每次减数分裂至少需要一个交叉。在本研究中，我们通过线性回归模型量化了较小染色体上重组事件的相对过量，该模型将染色体的遗传长度与其物理长度相关联。我们发现几个物种的双参数回归，$G= G_0 + k \cdot P$提供了一个更好的表征遗传和物理图谱长度之间的关系比单参数回归，贯穿原点。非零截距（$G_0$）表示基因组中较小染色体上的重组相对过量。给定$G_0$，参数$k$预测遗传图谱长度的增加超过物理图谱长度的增加。不同物种的$G_0$的观测值具有相似的幅度，而$k$变化两个数量级。这种策略的影响，人类，小鼠，大鼠，鸡，蜜蜂，蠕虫和酵母的遗传图谱进行了讨论。
2009-09-14 q-bio.GN q-bio.QM
Chromosome-scale shotgun assembly using an in vitro method for long-range linkage
从短读段数据中进行长距离和高度准确的从头组装是基因组学中最紧迫的挑战之一。最近，已经显示通过活组织的染色质中的DNA的邻近连接产生的读取对可以解决这个问题。这些数据显著增加了组装体的支架邻接性并提供了单倍型定相信息。在这里，我们描述了一个更简单的方法（“芝加哥”）的基础上，在体外重建染色质。我们用人类DNA生成了两个芝加哥数据集，并使用新的软件管道（“HiRise”）构建了高度准确的从头组装和具有30 Mb支架N50的人类基因组支架。我们还展示了芝加哥的效用，通过重新组装和支架的美洲短吻鳄的基因组，以改善现有的组件。利用单个文库和Illumina HiSeq测序的一个泳道，我们将美洲短吻鳄的支架N50从508 kb增加到10 Mb。我们的方法使用已建立的分子生物学程序，可用于分析任何基因组，因为它只需要约5微克的DNA作为起始材料。
2015-02-18 q-bio.BM q-bio.GN
Learning to Untangle Genome Assembly with Graph Convolutional Networks
Genome Institute of Singapore, A*STAR（新加坡科技研究局新加坡基因组研究所）；Faculty of Electrical Engineering and Computing, University of Zagreb（萨格勒布大学电气工程与计算学院）；National University of Singapore（新加坡国立大学）；Loyola Marymount University（洛约拉马利蒙特大学）
确定人类DNA从端粒到端粒的完整序列的探索始于三十年前，最终于2021年完成。这一成就是众多专家付出巨大努力的结果，他们设计了各种工具，并进行了艰苦的人工检查，以实现第一个无间隙基因组序列。然而，这种方法很难被用作组装不同基因组的通用方法，特别是在给定大量数据的情况下，组装速度是关键的。在这项工作中，我们探索了一种不同的方法来解决基因组组装任务的核心部分，该任务包括解开一个大的组装图，从中需要重建基因组序列。我们的主要动机是减少人类工程学，并使用深度学习来开发更通用的重建技术。准确地说，我们引入了一个新的学习框架来训练图卷积网络，通过找到正确的路径来解决组装图。该训练使用从解析的CHM 13人类序列生成的数据集进行监督，并在使用真实人类PacBio HiFi读数构建的组装图上进行测试。实验结果表明，在仅由单个染色体生成的模拟图上训练的模型能够显着地解决所有其他染色体。此外，该模型优于手工制作的算法，从国家的最先进的\textit{de novo}汇编程序在相同的图形。用图网络重建的染色体在核苷酸水平上更准确，报告了更低数量的重叠群，更高的基因组重建分数和NG 50/NGA 50评估指标。
2022-06-01 cs.LG q-bio.GN
Chromosomal rearrangements as barriers to genetic homogenization between archaic and modern humans
染色体重排，在整个基因组中洗牌DNA，是一个重要的来源，在分类群之间的分歧。使用双端读取方法与Illumina的古人类序列数据，我确定最近在人类进化中发生的基因组结构的变化。数以百计的重排表明性染色体和常染色体之间的基因组运输，提高了性别特异性变化的可能性。此外，尼安德特人基因组结构变化附近的基因与睾丸特异性表达相关，这与进化理论一致，即新基因通常在睾丸中表达。我确定了一个新的基因创造的情况下，通过从Y染色体转座到染色体10，结合了5'端的睾丸特异性基因Fank1与以前未转录的序列。这种新的转录本在古老的基因组中经历了拷贝数扩增，表明基因组发生了快速变化。在尼安德特人中发现的重排中，13%是自私遗传元件的转座，而32%似乎是重复之间的异位交换。在丹尼索瓦人中，模式是相似的，但数量显着更高，18%的重排反映转座和40%的异位交换之间的远亲重复。在丹尼索瓦人中，相对于多态性，存在过量的趋异重排，这可能是由于突变率不一致，可能反映了导致丹尼索瓦人的谱系中TE活性的爆发。最后，含有基因组结构变化的基因座显示从尼安德特人到现代人的渐渗率降低，这与重排作为杂交过程中基因流动障碍的假设一致。总之，这些结果表明，这种以前未被识别的基因组变异来源在人类进化中具有重要的生物学后果。
2015-09-14 q-bio.GN
Predicting the three-dimensional folding of cis-regulatory regions in mammalian genomes using bioinformatic data and polymer models
染色体的三维结构可以使用Capture-C等方法进行探测。然而，目前还不清楚这些群体水平的数据如何与单个细胞内的组织相关，导致观察到的相互作用的机制在很大程度上仍然不清楚。我们提出了一个聚合物建模方案的基础上的假设，染色体结构是由蛋白质桥，形成染色质环。为了测试模型，我们进行FISH实验，并与Capture-C数据进行比较。仅仅从蛋白质结合位点的位置开始，我们的模型准确地预测了实验观察到的染色质相互作用，揭示了一个人口的3D构象。
2016-01-12 physics.bio-ph q-bio.GN q-bio.QM
High-order chromatin architecture determines the landscape of chromosomal alterations in cancer
癌症基因组结构信息的快速增长为更好地理解癌症基因组改变的突变机制和作用于它们的选择力提供了机会。在这里，我们测试了两个主要力量的证据，空间染色体结构和净化（或负）选择，塑造了癌症中体细胞拷贝数改变（SCNAs）的景观。使用最大似然框架，我们比较SCNA地图和三维基因组结构，确定全基因组染色体构象捕获（HiC）和所提出的分形球（FG）模型2。该分析提供了癌症中染色体改变的分布在空间上与三维基因组结构相关的证据，并且还表明纯化选择以及阳性选择在癌细胞的体细胞进化期间塑造了SCNA的景观。
2011-09-06 q-bio.GN
Conformational Heterogeneity in Human Interphase Chromosome Organization Reconciles the FISH and Hi-C Paradox
Hi-C实验用于推断由不同基因组长度分隔的基因座之间的接触概率。接触概率应随着两个位点之间的空间距离的增加而减小。然而，比较Hi-C和FISH数据的研究表明，在某些情况下，具有较大Hi-C读数的一对基因座之间的距离与具有较小接触概率值的另一对基因座相比反而更大。在这里，我们表明，鱼Hi-C悖论可以解决使用基于广义劳斯模型的染色体（GRMC）的理论。FISH-Hi-C悖论的出现是因为细胞群体是高度异质的，这意味着给定的接触仅存在于一部分细胞中。从GRMC的见解是用来构建一个理论，没有任何可调参数，从FISH数据，定量再现Hi-C数据，提取亚群的分布。我们的研究结果表明，异质性是普遍存在于基因组组织在所有长度尺度，反映大细胞间的变化。
2019-08-13 cond-mat.soft physics.bio-ph q-bio.GN
The challenges of statistical patterns of language: the case of Menzerath's law in genomes
语言统计模式的重要性已经争论了几十年。虽然齐普夫定律可能是最受欢迎的案例，但最近，门泽拉特定律也开始参与进来。孟泽拉特定律在语言、音乐和基因组中表现为在许多情况下，随着部分数量的增加，部分的平均大小会减少。这种统计规律也出现在基因组的背景下，例如，具有更多染色体的物种具有较小的平均染色体大小的趋势。有人认为，这一定律在基因组中的实例并不表明语言和基因组之间存在任何平行关系，因为（a）这一定律是不可避免的，（b）非编码DNA支配着基因组。在这里，这些批评的数学，统计和概念上的挑战进行了讨论。得出两个主要结论：规律并非必然，语言也有非编码DNA的关联。然而，这一规律在基因组内外的广泛表现表明，非编码DNA和某些语言单位之间惊人的相似性可能是理解这一统计规律反复出现的轶事。
2012-09-29 cs.CE physics.data-an q-bio.GN
Autoregressive Modeling of Coding Sequence Lengths in Bacterial Genome
以前的调查编码序列长度（CDS）在细菌的环状染色体揭示了短程相关的一系列这些数据。我们进一步分析了这些序列的平均周期图，我们发现CDS的组织可以很好地描述了一阶自回归过程。这涉及相邻项之间的相互作用。自回归分析可能在模拟各种物理和生物过程中具有巨大的潜力，如星系的光发射，蛋白质组织，细胞闪烁，认知过程等。
2009-07-07 q-bio.GN
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
3D genome reconstruction from partially phased Hi-C data
本文利用代数几何证明少量定相Hi-C数据足以实现有限可辨识性，并提出基于半定规划、数值代数几何和局部优化的三维基因组重建方法，在模拟和真实数据上验证了有效性。
2024-05-29 math.AG math.OC q-bio.GN
Evolution of the Age Structured Populations and Demography
我们描述了基于Penna模型的Monte Carlo模拟种群演化的方法。种群中的个体由其二倍体基因组代表。在最小生殖年龄之后表达的基因受到较弱的选择压力，并且比在最小生殖年龄之前表达的基因积累更多的突变。缺陷基因产生的梯度决定了个体的衰老，年龄结构种群与自然的有性繁殖种群非常相似。种群的遗传结构取决于随机死亡对种群的影响。医疗保健的改善和更健康的生活方式是上个世纪人类预期寿命增加的原因。在基因型、表型和环境之间的关系中引入噪声，就有可能模拟一些其他的效应，比如免疫系统和母亲护理的作用。最有趣的结果之一是性染色体的进化。如果种群是随机交配的（假设是随机交配），那么将雄性决定基因放在一对性染色体中的一条染色体上就足以使种群萎缩。如果雄性在照顾后代方面不可或缺，并且必须对雌性忠诚，那么雄性的性染色体就不会缩小。
2009-01-11 q-bio.GN q-bio.PE
Of Protein Size and Genomes
提出了一种近似计算基因组中基因数量的方法，该方法考虑了物种的平均蛋白质长度。许多病毒、细菌和真核生物的基因组被仔细检查。基因组的数字，支持的平均蛋白质大小的一个物种作为评估生命复杂性的标准。研究了人类基因在23条染色体上的分布，强调了基因组率、平均外显子长度和平均外显子/基因。它表明，存储一个人的所有基因肯定需要不到12 MB。
2015-02-12 q-bio.GN stat.AP
A Simpler Explanation to BAK1 Gene Variation in Aortic and Blood Tissues
其解释是，在主动脉组织（患病和未患病）中，BAK 1假基因表达;而在匹配的血液样本中，实际BAK 1基因表达。这个解释是在我们意识到BAK 1在人类基因组中有两个编辑的拷贝后得出的。这些拷贝可能是BAK 1假基因。一个拷贝属于11号染色体（NG_005599.3），另一个拷贝属于20号染色体（NC_000850.5）。第一个拷贝有移码，这意味着它可能不表达任何功能蛋白;另一方面，20号染色体拷贝没有移码，更重要的是包含了所有报道的多态性。
2009-09-12 q-bio.GN q-bio.TO
Organization and Dynamics of Chromosomes
本文综述聚合物模型、数据驱动方法与模拟在预测染色体三维结构及解释染色质基因座亚扩散动力学方面的进展与挑战。
2024-10-02 cond-mat.soft physics.bio-ph physics.chem-ph
Non-equilibrium chromosome looping via molecular slip-links
我们提出了一个模型的基础上形成的染色质循环的扩散滑动的DNA结合因子，可以二聚化，形成一个分子滑动链接。我们的滑动链接模仿了类粘蛋白分子的行为，这些分子与CTCF蛋白一起稳定了组织基因组的环。通过结合三维布朗动力学模拟和一维精确可解的非平衡模型，我们表明，扩散滑动足以解释实验观察到的有利于收敛CTCF介导的染色体环的强烈偏见。重要的是，我们的模型不需要任何潜在的、耗费能量的内聚素运动活动。我们还发现，多个滑动链接沿染色质的扩散运动可能会被纠正一个有趣的棘轮效应，如果滑动链接绑定到染色质在一个首选的“加载站点”。这种紧急的集体行为是由一个一维渗透压，这是建立在加载点附近，并有利于挤压的环路，这是远远大于由单个滑动链接形成的。
2016-12-21 cond-mat.soft physics.bio-ph q-bio.BM
Relation between Insertion Sequences and Genome Rearrangements in Pseudomonas aeruginosa
微生物基因组在进化过程中，其长度、基因顺序和基因含量都发生了不同程度的变化。研究这些结构重排有助于了解基因组如何随着时间的推移而改变。在基因组重排中起重要作用的元件称为插入序列（insertion sequences，IS），它们是广泛分布于原核生物基因组中的最简单的转座元件（transposable element，TE）。IS可以被定义为具有将自身移动（剪切和粘贴）到同一染色体内的另一个位置或不移动的能力的DNA片段。由于它们的移动能力，它们通常被认为是这些基因组重组中的一些的负责人。本研究工作的作者考虑到这一点，通过检查插入序列（IS）和基因组重排之间的关系是否可以找到。为了实现这一目标，首先设计了一个新的管道，结合各种工具，用于检测属于每个IS类别的ORF的分布。其次，这些预测的IS和观察到的两个密切的基因组重排之间的联系进行了调查，通过肉眼看到他们，并通过使用计算方法。在18个铜绿假单胞菌全基因组上进行了验证，结果表明IS3插入序列家族与基因组倒位有关。
2017-06-25 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
Joint Inference of Genome Structure and Content in Heterogeneous Tumour Samples
对于基因组不稳定的癌症，单个肿瘤活检通常包含竞争性肿瘤克隆的混合物。这些肿瘤克隆通常在基因组内容（每个基因的拷贝数）和结构（每个染色体上基因的顺序）方面有所不同。现代批量基因组测序混合了肿瘤克隆和污染正常细胞的信号，使基因组内容和结构的推断复杂化。我们提出了一种方法来分解肿瘤和污染的正常信号，并共同预测每个肿瘤克隆的基因组结构和内容。我们使用基因组图来表示肿瘤克隆，并对给定克隆和混合比例的观察到的读数的可能性进行建模。我们使用单倍型块允许我们准确地测量等位基因特异性读段计数，并推断每个克隆的等位基因特异性拷贝数。所提出的方法是一种启发式局部搜索的基础上应用增量，局部最优修改的基因组图。使用模拟数据，我们表明，我们的方法预测拷贝数和基因邻接合理的准确性。
2015-04-24 cs.CE q-bio.GN
Universal and idiosyncratic characteristic lengths in bacterial genomes
在凝聚态物理学中，简化的描述是通过在特定的特征长度上粗粒化系统的特征来获得的，该特征长度被定义为典型的长度，超过该长度，一些属性不再相关。从物理学的角度来看，体外DNA因此具有300个碱基对（bp）的特征长度，分子的库恩长度超过其取向的相关性通常会丢失。从生物学的角度来看，体内DNA具有1000 bp的特征长度，这是基因的典型长度。由于细菌生活在非常不同的物理化学条件下，并且由于它们的基因组缺乏翻译不变性，因此是否存在更大的通用特征长度是一个重要的问题。在这里，我们利用公共数据库中大量的完全测序的基因组来研究这个问题。通过分析GC含量的相关性和数百个细菌染色体中基因背景（同线性）的进化保守性，我们得出结论，可以定义约10-20 kb的基本特征长度。这种特征长度反映了参与基因表达协调的基本结构，这些基本结构存在于几乎所有细菌的基因组中。从技术上讲，得出这一结论需要我们实施对大的特异性基因组特征的存在不敏感的方法，这些特征可能与这些基本的通用结构共存。
2018-01-23 q-bio.GN
The 3D genome shapes the regulatory code of developmental genes
我们重新审视的概念，基因调控代码在胚胎发育中的基因组空间组织的最新研究结果。通过与遗传密码的类比，我们认为，只有当相应的衔接子能够被清楚地识别时，才能使用密码的概念。适配器在这里被定义为以无偿和可进化的方式调解码字和对象之间的对应关系的中间物理实体。在基因调控密码的上下文中，编码的对象是基因表达水平，而细胞核中特定转录因子的浓度提供了代码。代码的概念是有意义的，在没有直接的物理化学关系的对象和码字，当中介的适配器是必需的。我们建议，一个合理的适配器为这个代码是基因结构域，即，基因组区段划定的拓扑绝缘子，并包括基因及其增强子调控序列。我们回顾了最近的证据，基于全基因组染色体构象捕获实验，表明在后生动物基因组中发现的优先接触域是基因域的物理痕迹。因此，基因组3D折叠在形成发育基因调控密码中起直接作用。
2019-11-12 physics.bio-ph q-bio.GN
Positive selection drives faster-Z evolution in silkmoths
与X或Z染色体相连的基因，在异配子性别中是半合子的，预计会以与常染色体不同的速度进化。这种快X效应可能是半合子的结果，这导致在异配子性别中对隐性有益突变的更有效选择，也可能是半合子染色体的有效种群大小减少的结果，这导致由于随机遗传漂变而增加的弱有害突变的固定。迄今为止的实证结果表明，虽然整个类群的整体模式是复杂的，在一般系统与男性异配显示更快的X效应主要归因于更有效的选择，而唯一的女性异配类群研究的日期（鸟类）显示更快的Z效应主要归因于增加漂移。为了测试鸟类中出现的快速Z模式的普遍性，我们对鳞翅目昆虫黄蚕蛾的基因组进行了测序，黄蚕蛾是家养家蚕家蚕<动>的近亲。我们发现，蚕蛾经历更快的Z进化，但与鸟类不同，更快的Z效应似乎是由于女性更有效的正选择。这些结果表明，单靠雌性异配不足以解释鸟类Z染色体选择效率的降低。相反，很可能是剂量补偿模式和总体有效种群大小以及其他因素的组合影响了更快Z进化的模式。
2013-08-29 q-bio.GN q-bio.PE
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
Graph Based Analysis for Gene Segment Organization In a Scrambled Genome
DNA重排过程以多种方式重组染色体上的基因片段。段可以重叠、交错或一个可以是另一个的子段。我们使用有向图来表示给定位点上的片段组织，其中包含重排片段的重叠群表示顶点，边缘对应于片段关系。使用图形的属性，我们在一个更高的维欧几里德空间中的一个点相关联的每个图，使集群的形成和分析，可以与拓扑数据分析的方法进行。该方法适用于最近测序的模式生物\textit{Oxytricha trifallax}，一种纤毛虫高度混乱的基因组，经历大规模的重排过程后接合。分析显示了一些新兴的星形图结构，表明单个基因的片段可以交织，甚至在其片段之间包含来自15个或更多其他基因的所有片段。我们还观察到，多达六个基因的片段可以相互交错或重叠。
2018-01-28 q-bio.GN stat.ML
Diminishing Return for Increased Mappability with Longer Sequencing Reads: Implications of the k-mer Distributions in the Human Genome
基因组中非独特序列（非单基因组）的量直接影响高通量测序数据与参考组装的读段比对的难度。尽管更大的长度增加了读段被唯一地映射到参考基因组的机会，但一直缺乏读段长度对可映射性的影响的定量分析。为了解决这个问题，我们评估了人类参考基因组的k-mer分布。k-聚体频率是针对范围从20至1000个碱基对的k确定的。我们使用非单k-mer的比例来评估相应读段长度的读段的可映射性。我们观察到，非单态的比例随着k的增加而缓慢下降，并且可以通过在不同的k范围内具有不同指数的分段幂律函数来拟合。k值越小，衰减越快，表明读取长度> 200个碱基对的增益越有限。k-mer的频率分布呈现出长尾的幂律趋势，秩次图呈现出凹形Zipf曲线。最常见的1000-mer的位置包括172个内切酶范围的区域，包括1号和X染色体上的四个大的延伸，包含具有生物医学意义的基因。即使读取长度1000也不足以可靠地对这些特定区域进行测序。
2013-08-28 q-bio.GN
Cell-to-cell variability and robustness in S-phase duration from genome replication kinetics
基因组复制是细胞的关键过程，依赖于复制起点的随机启动，导致细胞间复制时间的可变性。虽然真核生物复制的随机模型广泛使用，但关键参数和整体复制时间之间的联系尚未得到系统解决。我们使用分析和计算相结合的方法来计算许多起点的位置和强度如何导致大区域，染色体或整个基因组复制的总持续时间的给定细胞间变异性。具体而言，总的复制定时可以被视为极值问题，因为它是由于在每个单元中复制的最后区域。我们的计算确定了两个政权的基础上传播的特征完成时间的基因组的所有起源间区域。对于差异很大的完成时间，时间由单个特定区域设置，该区域通常是所有细胞中最后复制的区域。相反，当所有区域的完成时间是可比的，极值估计表明，细胞间的基因组复制时间的变异性具有普适性。与现有数据的比较表明，三种酵母的复制程序属于这个极值制度。
2017-05-25 physics.bio-ph q-bio.GN
Investigating the genomic background of CRISPR-Cas genomes for CRISPR-based antimicrobials
CRISPR-Cas系统是一种适应性免疫，可保护原核生物免受外来遗传因子的影响。在过去的感染事件中获得的遗传模板使DNA相互作用酶能够识别外来DNA并进行破坏。由于这些遗传模板的可编程性和特异性，CRISPR-Cas系统是潜在的替代抗生素，可以被工程化以自靶向染色体或质粒上的抗微生物剂抗性基因。然而，一些基本问题仍然存在，以重新利用这些工具来对抗耐药细菌。对于内源性CRISPR-Cas自我靶向，抗微生物剂抗性基因和功能性CRISPR-Cas系统必须在靶细胞中共存。此外，这些工具必须胜过响应Cas蛋白的核酸酶活性的DNA修复途径，即使对于外源性CRISPR-Cas递送也是如此。在这里，我们对CRISPR-Cas基因组进行了全面的调查。首先，我们解决了CRISPR-Cas系统和CRISPR-Cas基因组中抗菌素耐药基因的共同出现。我们发现这些基因的平均数量因CRISPR-Cas类型而异，一些CRISPR-Cas类型（IE和IIIA）每个基因组有超过20个基因。接下来，我们研究了这些CRISPR-Cas基因组的DNA修复途径，揭示了这些途径的多样性和频率因CRISPR-Cas类型而异。CRISPR-Cas系统和DNA修复途径之间的相互作用对于在CRISPR阵列中获得新的间隔区至关重要。我们进行模拟研究，以证明这些DNA修复途径的效率可以从CRISPR重复序列的RNA结构中的时间序列模式推…
2022-02-15 q-bio.GN
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
A word recurrence based algorithm to extract genomic dictionaries
从信息的角度来看，基因组可以被分析为非常长的字符串，包含可变长度的功能元件，它们是通过进化组装起来的。在这项工作中，提出了一种创新的基于信息理论的算法，以提取显着的（相对较小的）字典的基因组单词。也就是说，概念分析与实证研究相结合，开辟了一种方法，从基因组序列中提取的可变长度的字典，基于一些因素的信息含量。它的应用到人类染色体突出了一个原始的染色体间的相似性的因素分布。
2020-09-22 cs.IT math.IT q-bio.GN
