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
Statistical analysis of simple repeats in the human genome
人类基因组中含有不同长度、数量和分散程度的重复DNA。高度重复的DNA特别富含同源和二核苷酸重复序列,而中等重复的DNA富含数百个碱基对(bp)长的散布的可移动元件家族,其中包括Alu家族。最近已强调了同聚体和二聚体的道和移动元件之间的联系。特别是,Alu重复序列的迁移率(占人类基因组的10%)与位于Alu一端的poly(A)片段的长度相关。这些束具有刚性和不可弯曲的结构,并对核小体具有抑制作用,核小体通常会压缩DNA。我们对人类基因组中poly(X)和poly(XY)片段的长度和片段间分离的全基因组分布进行了统计分析。我们的研究表明,在人类中,这些序列的长度分布反映了它们的扩展和DNA复制的动态。通过语言学的一般工具,我们表明,后者在DNA文本中扮演着高度重要的内容承载术语的角色。此外,我们发现,这样的道是以非随机的方式定位,具有150个碱基的明显周期性。这使我们能够扩展人类DNA中重复的、高度移动的元素(如Alus)和低复杂度单词之间的联系。更准确地说,我们表明,Alus是多聚(X)束的来源,这反过来又以微妙的方式影响基因表达的组合和多样化以及多基因家族的固定。
2005-02-11 q-bio.GN
LSMM: A statistical approach to integrating functional annotations with genome-wide association studies
在全基因组关联研究(GWAS)中已经确定了数千种复杂表型(数量性状和疾病)的风险变体。然而,对于加深我们对复杂表型的遗传结构的理解仍然存在两个主要挑战。首先,大多数GWAS命中都在非编码区,其生物学解释仍不清楚。其次,GWAS积累的证据表明复杂性状的多基因性,即,一个复杂的性状往往受到许多具有小或中等影响的变异的影响,而具有小影响的大部分风险变异仍然未知。功能注释数据的可用性使我们能够应对上述挑战。在这项研究中,我们提出了一个潜在的稀疏混合模型(LSMM)集成功能注释与GWAS数据。它不仅增加了风险变异识别的统计功效,而且通过检测相关功能注释提供了更多的生物学见解。为了使LSMM可扩展到数百万个变体和数百个功能注释,我们开发了一种用于模型参数估计和统计推断的高效变分期望最大化(EM)算法。我们首先进行了全面的仿真研究,以评估LSMM的性能。然后,我们应用它来分析30个GWAS的复杂表型集成9个基因类别注释和127个组织特异性功能注释从路线图项目。结果表明,我们的方法具有更大的统计功效比传统的方法,可以帮助研究人员实现更深入的了解这些复杂的表型的遗传结构。
2017-10-19 q-bio.GN stat.ME
Microbial genome as a fluctuating system: Distribution and correlation of coding sequence lengths
将微生物基因组中编码序列序列的长度看作一个涨落系统,用统计物理的方法对其进行了表征。研究了包括细菌和几种古细菌在内的50个基因组的分布和相关性。通过秩-大小分析(Zipf定律)研究分布。我们发现,编码序列长度序列不服从与自然语言相反的Zipf定律。发现该分布更接近于指数分布。这种相关性似乎与自然语言相似。序列的分段分析表明是短程记忆系统。
2008-05-28 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
Quasireplicas and universal lengths of microbial genomes
对108个微生物全基因组中短词出现频率分布的统计分析表明,存在一组所有微生物基因组共有的通用“根序列长度”。这些长度和它们的普遍性为微生物基因组的生长方式提供了强有力的线索。我们发现,所观察到的基因组特性的基因组增长模型,其中原始基因组增长主要是由最大限度地随机复制的短片段从初始长度约200个核苷酸(nt)的长度约为100万nt的典型的微生物基因组。本研究的结果的相关性,同时随机增长和信息采集的基因组的性质,所谓的RNA世界中,生命进化之前的蛋白质和酶的崛起和其他几个主题进行了讨论。
2003-08-30 physics.bio-ph q-bio.GN
Genome-wide organization of eukaryotic pre-initiation complex is influenced by nonconsensus protein-DNA binding
真核前起始复合物(PIC)的关键组分的全基因组结合偏好最近已经由Rhee和Pugh在酿酒酵母中以高分辨率测量(Nature(2012)483:295-301)。然而,决定PIC结合特异性的规则仍然知之甚少。在这项研究中,我们表明,非共识蛋白质-DNA结合显着影响PIC结合偏好。我们估计,这种非共有结合在统计上至少贡献2-3千卡/摩尔(平均)的额外的吸引力的自由能每个蛋白质,每个核心启动子区域。预测的吸引力的影响是特别强的重复聚(dA:dT)和聚(dC:dG)tracts。总的来说,计算的非共有蛋白质-DNA结合的自由能景观显示出与测量的全基因组PIC占有率的强相关性。值得注意的是,TFIID主导和SAGA主导基因的统计PIC结合偏好与非共有自由能景观相关,但这两组基因是基于平均自由能谱可区分的。我们认为,预测的非共识的结合机制提供了一个全基因组的背景下,特定的启动子元件,如转录因子结合位点,TATA样元素,和特异性结合的PIC组件的核小体。我们还表明,非共识结合影响转录频率全基因组。
2013-03-06 q-bio.BM q-bio.GN
Evolutionary dynamics of selfish DNA generates pseudo-linguistic features of genomes
自从大基因组测序以来,人们发现了它们序列的许多统计特征,其中一个有趣的特征是某些序列比其他序列丰富得多。事实上,一个给定长度的重复数的丰度分布有一个无标度的幂律尾,类似于人类文本的属性,如齐普夫定律。尽管最近作出了努力,但对这一现象仍然缺乏了解。在这里,我们发现自私的DNA元素,如那些属于Alu家族的重复序列,占主导地位的幂律尾。有趣的是,对于Alu元素,幂律指数随着所考虑的连续性的长度而增加。受这些观察的启发,我们开发了一个自私的DNA扩张模型。该模型的预测在定性和定量上都与经验观察相一致。这使我们能够估计自私DNA在基因组进化过程中传播的过程参数。所获得的结果揭示了自私的DNA元件的进化如何塑造基因组的非平凡的统计特性。
2016-02-04 physics.bio-ph q-bio.GN q-bio.PE
Genome Sizes and the Benford Distribution
从生命的3个领域的基因组编码的开放阅读框(ORF)的数量的数据显示了一些显着的一般特征,包括原核生物和真核生物之间的本质差异,与ORF的数量线性增长的总基因组大小为前者,但后者仅为几何学。假设基因组的(蛋白质)编码部分和非编码部分必须具有不同的动力学,并且非编码部分必须由各种(未指定的)概率分布函数控制,我们能够预测真核生物的ORF数量遵循Benford分布并具有特定的对数形式。使用2010年初提供给我们的1000多个基因组的数据,我们发现这些数据在几个数量级上非常适合,在原核生物数据的线性范围内,以及真核生物数据的完全非线性形式。在它们的重叠区域,显着特征在统计上是一致的,这使我们能够:将原核生物和真核生物之间的差异解释为较大真核生物所需生物功能需求增加的表现,估计一些最小的基因组大小,并预测原核生物的最大基因组大小为8-12兆碱基对。这些结果自然允许最大熵的数学解释,因此,最有效的信息传输。
2012-05-29 physics.bio-ph physics.data-an q-bio.GN
BOOST: A fast approach to detecting gene-gene interactions in genome-wide case-control studies
基因-基因相互作用长期以来被认为是理解复杂疾病特征的遗传原因的根本重要因素。目前,从全基因组病例对照研究中识别基因-基因相互作用在计算和方法上都具有挑战性。在本文中,我们介绍了一个简单而强大的方法,命名为“BOOST操作为基础的筛选和测试”(BOOST)。为了发现复杂疾病背后的未知基因-基因相互作用,BOOST允许以非常快的方式检查全基因组病例对照研究中的所有成对相互作用。我们已经进行了互动分析的七个数据集从威康信托病例控制联盟(WTCCC)。每次分析在标准3.0 GHz台式机上花费不到60小时,4G内存运行Windows XP系统。从1型糖尿病数据集识别的相互作用模式与从类风湿性关节炎数据集识别的相互作用模式显示出显著差异,而两个数据集在WTCCC报告中共享非常相似的命中区域。BOOST还发现了1型糖尿病数据集中主要组织相容性复合体(MHC)区域中基因之间的许多未发现的相互作用。在即将到来的全基因组病例对照研究中大规模相互作用映射的时代,我们的方法可以作为一个计算和统计上有用的工具。
2010-01-28 cs.CE q-bio.GN q-bio.QM
Isochores Merit the Prefix 'Iso'
人类基因组序列中的等容线概念在国际人类基因组测序联盟(IHGSC)的一项分析中受到挑战。我们认为,IGHSC分析中关于等容线存在的陈述是不正确的,因为它应用了不适当的统计检验。检验等容线的存在应等同于窗口GC%的均匀性检验。然而,在IHGSC的分析中应用的统计检验,即二项式检验,是对一个序列在基本水平上是随机的检验。为了检验等容线的存在,或GC%的均匀性,我们建议使用另一种统计检验:方差分析(ANOVA)。可以表明,被二项式检验拒绝的DNA序列可能不会被ANOVA检验拒绝。
2002-09-20 physics.bio-ph physics.data-an q-bio.GN
Statistical distributions and entropy considerations in gene codes
在我们的论文中选择的语言特征的基因组研究的基因编码的统计被认为是。我们提出的信息理论,从它如下,如果系统是由双曲线型的分布,它导致熵损失和稳定的可能性。我们发现,基因长度的直方图是类似的语言单词。我们展示了伯氏疏螺旋体,大肠杆菌和酿酒酵母S288c基因组中的复制基因和复制基因片段的数量的理论和结果之间的对应关系。
2014-07-04 physics.bio-ph 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
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
Nonspecific Protein-DNA Binding Is Widespread in the Yeast Genome
最近对酵母中转录起始位点附近的约200种转录调节因子的结合偏好的全基因组测量提供了对真核基因组的顺式调节密码的独特见解(Venters等人,摩尔Cell 41,480(2011))。在这里,我们表明,非特异性转录因子(TF)-DNA结合显着影响结合偏好的大多数转录调节在启动子区的酵母基因组。我们发现,SAGA为主的和TFIID为主的基因的启动子可以在统计上区分的基础上的景观非特异性蛋白质-DNA结合自由能。特别是,我们预测,SAGA主导的基因的启动子具有更广泛的区域相比,TFIID主导的基因的启动子的自由能降低。我们还表明,特异性和非特异性TF-DNA结合在功能上是相互联系的,并协同影响酵母中的基因表达。我们的研究结果表明,非特异性TF-DNA结合是固有的编码到酵母基因组中,它可能发挥更重要的作用,在转录调控比以前认为的。
2012-04-18 q-bio.BM q-bio.GN q-bio.MN
Emergent Network Structure, evolvable Robustness and non-linear Effects of Point Mutations in an Artificial Genome Model
遗传调控是发展的一个关键组成部分,但对遗传网络的结构和动态的清晰理解还没有到手。在本文中,我们研究了这些性质的人工基因组模型最初介绍的Reil(1999)。我们分析了随机生成的基因组的统计特性的序列和网络水平上,并表明,该模型正确地预测基因组中的基因的频率在实验数据中发现。使用进化算法的基础上稳定选择的表型,我们表明,对单碱基突变的动态鲁棒性,以及对随机变化的初始状态的监管动态,模仿环境条件下的随机波动,可以并行出现。在序列水平上的点突变对网络布线具有强烈的非线性影响,包括结构中性突变和多个连接的同时重新布线,这偶尔会导致吸引子景观的强烈重组和演化动力学的亚稳定性。进化的基因组在序列和网络水平上都表现出特征模式。
2009-08-25 cond-mat.dis-nn cs.NE 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
Inter-occurrence times and universal laws in finance, earthquakes and genomes
基于标准的加性熵$S_{BG}$及其相关的指数BG因子,存在大量不属于Boltzmann-Gibbs(BG)物理力学世界的自然、人工和社会系统。在这种复杂系统中的频繁行为已经被证明与$q$ -统计密切相关,而不是基于非加性熵$S_q$(与$S_1=S_{BG}$)及其相关的$q$ -指数因子,该因子推广了通常的BG因子。事实上,存在着许多性质完全不同的现象,这些现象可以通过分析(和显式)函数和概率分布来描述,在最简单的情况下,可以通过这些函数和概率分布来理解,这些函数和概率分布表现出一些普遍的特征。同时观察到可通过诸如$q$等指标表征的普遍性类别。我们将在这里展示一些这样的案例,即关于金融、地震和基因组领域中发生间隔(或事件间)时间的分布。
2016-01-14 cond-mat.stat-mech q-bio.GN q-fin.ST
Statistical-mechanical lattice models for protein-DNA binding in chromatin
蛋白质-DNA结合的统计力学晶格模型被很好地建立,作为描述用纯化的DNA和蛋白质组分在体外测量的复杂配体结合平衡的方法。最近,一个新的应用领域已经开辟了这种方法,因为它已经成为可能的实验量化基因组范围内的蛋白质占位的DNA序列。特别是,真核基因组由组蛋白组成称为染色质的核蛋白复合物已被认为是控制转录因子进入DNA序列的关键参数。必须开发新的方法来获得统计力学晶格描述染色质相关的蛋白质-DNA相互作用。在这里,我们提出了在染色质中组蛋白-DNA相互作用的晶格模型的理论框架,并研究了其他染色体蛋白和转录因子的(竞争性)DNA结合。这些结果对于基因表达调控的定量模型有许多应用。
2010-04-30 physics.bio-ph q-bio.BM q-bio.GN
Genome-wide modelling of transcription kinetics reveals patterns of RNA production delays
由于转录时间、降解速率和RNA加工动力学的差异,具有相似转录激活动力学的基因可以显示非常不同的时间mRNA谱。最近的研究表明,剪接相关的RNA生产延迟可能是显着的。我们介绍了一个联合模型的转录激活和mRNA的积累,可用于推断的转录速率,RNA的生产延迟和降解速率的高通量测序时间过程实验的全基因组数据。我们结合了一个机械微分方程模型与非参数统计建模方法,使我们能够捕捉到广泛的激活动力学,并使用贝叶斯参数估计量化的动力学参数估计的不确定性。我们将该模型应用于MCF-7乳腺癌细胞系中雌激素受体(ER-α)激活的数据。我们使用RNA聚合酶II(pol-II)ChIP-Seq时程数据来检测转录激活,使用mRNA-Seq时程数据来定量成熟转录物。我们发现,在数据中具有良好信号的基因中,有11%在完成转录和成熟mRNA产生之间显示出超过20分钟的延迟。显示这些长延迟的基因更有可能是短的。我们还发现了高延迟和后期内含子保留在前mRNA数据之间的统计关联,表明许多基因中存在显着的剪接相关生产延迟。
2015-07-16 q-bio.GN q-bio.QM stat.AP
Quantitative test of the barrier nucleosome model for statistical positioning of nucleosomes up- and downstream of transcription start sites
核小体在真核生物基因组中的位置决定了DNA序列的哪些部分容易被调节蛋白质接近,哪些不容易。核小体位置的全基因组图谱揭示了转录起始位点周围的显著模式,涉及无核小体区(NFR),两侧是平均核小体密度的显著周期性模式。虽然周期性图案清楚地反映了定位良好的核小体,但定位机制不太清楚。Mavrich等人最近的一项实验研究认为,在S.酿酒酵母是定性一致的“屏障核小体模型”,其中的振荡模式是由统计定位机制的Kornberg和Stryer。另一方面,有明确的证据表明核小体的内在序列偏好,目前还不清楚这些序列偏好在多大程度上影响观察到的模式。为了测试屏障核小体模型,我们定量分析了NFR上游和下游的酵母核小体定位数据。我们的分析是基于统计物理的Tonks模型,该模型量化了核小体的排斥体积相互作用及其位置熵之间的相互作用。我们发现,虽然NFR两侧的典型图案不同,但它们都是由相同的物理模型定量描述的,具有相同的参数,但不同的边界条件。推断的边界条件表明,NFR下游的第一个核小体(+1核小体)通常直接定位,而上游的第一个核小体通过核小体排斥DNA区域在统计学上定位。这些边界条件可以局部编码到基因组序列中,显著地塑造了核小体在每侧高达~1000 bp范围内的统计分布。
2010-09-01 cond-mat.stat-mech q-bio.GN q-bio.QM
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
Nonspecific transcription factor-DNA binding influences nucleosome occupancy in yeast
在全基因组水平上定量地了解核小体占据的调节原理是真核生物基因组学的核心问题。在这里,我们解决这个问题,使用芽殖酵母,酿酒酵母,作为模式生物。我们进行了全基因组范围的计算分析的非特异性转录因子(TF)-DNA结合自由能景观,并比较这种景观与实验确定的核小体结合偏好。我们发现,增强非特异性TF-DNA结合的DNA区域的核小体在统计学上显着耗尽。因此,我们认为,TF与组蛋白之间的竞争非特异性结合基因组序列可能是一个重要的机制,影响核小体结合的喜好在体内。我们还预测,聚(dA:dT)和聚(dC:dG)tracts代表基因组元素与非特异性TF-DNA结合的最强倾向,从而使TF在这些元素的竞争胜过核小体。我们的研究结果表明,非特异性TF-DNA结合可能提供了一个障碍,在整个酵母基因组的核小体的统计定位。我们预测,这种屏障的强度随着细胞中DNA结合蛋白的浓度而增加。我们讨论了最近发现的主动核小体重建途径的拟议机制的连接。
2011-11-21 q-bio.BM q-bio.GN
Statistical Linear Models in Virus Genomic Alignment-free Classification: Application to Hepatitis C Viruses
Université du Québec à Montréal(魁北克大学蒙特利尔分校)
本研究系统评估了统计线性模型在病毒基因组比对无关分类中的表现,应用于丙型肝炎病毒,考虑了分类器类型、超参数、任务和序列长度等因素,并提供了基准数据以促进稳健评估。
2024-05-28 cs.LG q-bio.GN stat.ML
In vitro binding energies capture Klf4 occupancy across the human genome
Max Planck Institute of Molecular Cell Biology and Genetics(马克斯·普朗克分子细胞生物学与遗传学研究所);Max Planck Institute for the Physics of Complex Systems(马克斯·普朗克复杂系统物理研究所);Center for Systems Biology Dresden(德累斯顿系统生物学中心);Cluster of Excellence Physics of Life, Technical University Dresden(德累斯顿工业大学生命物理卓越集群)
该研究通过体外测量Klf4与DNA序列的结合能量,结合线性模型与Ising模型,揭示了Klf4在人类基因组中的结合模式及预测其占据情况。
2026-03-04 physics.bio-ph q-bio.BM q-bio.GN
Predicting non-neutral missense mutations and their biochemical consequences using genome-scale homology modeling of human protein complexes
需要计算方法来区分小部分错义突变,这些错义突变通过破坏蛋白质功能而导致疾病。我们描述了几种互补的方法,使用大规模的同源性建模的人类蛋白质复合物检测非中性突变。重要的是,与基于序列保守性的方法不同,这种基于结构的方法为疾病中的突变提供了实验上可测试的生化机制。具体而言,我们推断金属离子,小分子,蛋白质-蛋白质,和核酸结合位点的同源性,发现疾病相关的错义突变是更普遍的每一类结合位点比中性突变。重要的是,我们的方法识别出比RefSeq数据库中注释的多得多的结合位点。此外,通过机器学习预测的金属离子和蛋白质-蛋白质结合位点的分析显示,这些位点中疾病相关突变的相似优势。我们还得出了一个统计评分预测突变如何影响金属离子结合,并发现许多dbSNP突变,可能会破坏离子结合,但以前不认为有害的。我们还聚类蛋白质结构中的突变,以发现推定的功能区域。最后,我们开发了一个用于检测疾病相关错义突变的机器学习预测器,并在一个独立的测试集上显示它优于其他两种预测方法。
2013-08-20 q-bio.BM q-bio.GN
Moonshine.jl: a Julia package for genome-scale model-based ancestral recombination graph inference
Université du Québec à Montréal(蒙特利尔大学)
本文介绍Moonshine.jl,该Julia包能高效推断大规模人类单倍型样本的祖先重组图,适用于真实世界场景,强调易用性和生物统计软件生态系统的集成。
2026-03-17 q-bio.GN
Statistical properties of DNA sequences revisited: the role of inverse bilateral symmetry in bacterial chromosomes
在这里,它表明,为了研究细菌染色体中的DNA序列的统计特性,它足以考虑只有一半的染色体,因为它们是类似于其相应的互补序列的另一半。这是由于细菌染色体的反向双侧对称性。与细菌基因组的DNA编码区是完全不相关的随机序列的经典结果相反,这里通过重正化群方法表明,DNA单碱基的随机波动是由对数周期变化调制的。距离系列的三联体显示长程相关性在每一半的完整染色体和无内含子的蛋白质编码序列,或沿整个染色体的长程相关性和对数周期调制。因此,DNA序列的距离序列的标度分析必须考虑细菌染色体的功能单位。
2004-08-17 q-bio.GN
Mapping Dynamic Histone Acetylation Patterns to Gene Expression in Nanog-depleted Murine Embryonic Stem Cells
胚胎干细胞(ESC)具有无限自我更新和分化成三个胚层中任何一个的潜力。自我更新的分子机制,维持多能性和谱系规范知之甚少,但最近的结果指出表观遗传机制的关键作用。在这项研究中,我们专注于量化组蛋白3乙酰化(H3K9,14 ac)对小鼠胚胎干细胞基因表达的影响。我们分析了全基因组组的组蛋白乙酰化模式和基因表达概况,测量了前五天的细胞分化沉默Nanog,一个关键的转录因子在ESC调控触发。我们探索组蛋白乙酰化数据的时间和空间动态及其与基因表达的相关性,使用监督和非监督统计模型。在全基因组范围内,乙酰化的变化与mRNA表达的变化显著相关,令人惊讶的是,这种一致性随着时间的推移而增加。我们在平衡交叉验证程序中量化组蛋白乙酰化对基因表达变化的预测能力。在一项深入的研究中,我们专注于小鼠ESC调控网络的核心基因,包括最近在全基因组RNAi筛选和PluriNet中鉴定的基因,PluriNet是一种计算衍生的干细胞签名。我们发现,与基因组的其余部分相比,ESC特异性基因显示出显着更多的乙酰化信号和更强的乙酰化降低随着时间的推移,这往往不是反映在一个一致的表达变化。这些结果揭示了组蛋白乙酰化和基因表达之间关系的复杂性,并进一步剖析了决定干细胞命运的多层调控机制。
2010-10-15 q-bio.GN
Segmenting DNA sequence into `words'
Tencent(腾讯);SOSO(搜搜);Hong Kong Baptist University(香港浸会大学)
提出了一种基于n-gram统计语言模型的DNA序列分割/解码方法。首先,我们通过对12个模式物种的基因组进行分析,发现大多数DNA“单词”的长度为12 - 15 bp。然后,我们设计了一个无监督的基于概率的方法来分割的DNA序列。提出了分割方法的基准。
2013-06-22 cs.CL q-bio.GN