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
Conspiracy in bacterial genomes
123个细菌的密码子使用频率的秩序分布由三个参数函数最佳拟合，该函数是秩n中的常数、指数和线性项的总和。参数取决于（两个抛物线）总GC含量。用直线拟合氨基酸的等级有序分布。在所有密码子上计算的香农熵与GC含量的抛物线很好地拟合，而在密码子子集上计算的部分熵显示出特殊的不同行为，因此表现出第一个共谋效应。此外，在特定集合上的密码子使用频率的总和，例如C和A（分别为G和U）作为第i个核苷酸，显示出与GC含量的明显线性依赖性，表现出另一种共谋效应。
2006-02-03 q-bio.GN
A Pipeline for Insertion Sequence Detection and Study for Bacterial Genome
插入序列（Insertion Sequences，IS）是能够将自身移动到基因组中的小的DNA片段。这些类型的移动遗传元件（MGE）似乎在基因组重排和原核基因组进化中发挥着重要作用，但以有效和准确的方式发现IS的工具仍然太少，而且不完全精确。基因注释和功能预测是影响IS发现的两个主要因素。事实上，一些被称为“转座酶”的特定基因是负责这种转座的产生和催化的酶，但目前还没有完全准确的方法可以确定给定的预测基因是否是真正的转座酶。这就是为什么本文的作者旨在设计一种用于IS检测和分类的新管道，该管道嵌入了该研究领域中最新开发的工具，即OASIS（插入序列优化注释系统）和ISORM数据库（已知插入序列的最新准确库）。由于后者依赖于预测的编码序列，因此所提出的管道将包括各种细菌基因注释工具（即Prokka，BASys和Prodigal）。然后提出了一个完整的IS检测和分类管道，并在一组23个完整的铜绿假单胞菌基因组上进行了测试。该管道也可以用作注释工具性能的调查员，这使我们得出结论，Prodigal是IS预测的最佳软件。对铜绿假单胞菌的IS元件进行了深入研究，得出结论：铜绿假单胞菌内部的基因组中也存在数量相近的IS家族和组。
2017-06-26 q-bio.GN
Intra-strand symmetries and asymmetries in bacterial DNA: Evolutive features or relics of primordial genomes?
在这项工作中，我们分析了一些用于解释细菌基因组中链内奇偶性和链组成不对称性的起源的模型。由于这两个特征在细菌DNA中出现的特殊方式，我们从它们是应该一起解决的互补现象的角度进行了分析。虽然大多数这些特征的模型试图将其解释为进化机制的结果，但最近有人提出，它们可能是某些原始基因组的“遗物”，这些基因组在基因组进化过程中一直保持不变。我们将特别注意的S-H模型，这是，到目前为止，唯一的模型提出作为一个可能的解释内链奇偶校验和链组成的不对称性在原始基因组仅仅是随机性的结果在化学/物理约束。特别是，我们将讨论测试S-H模型的一些假设的可能方向，并且我们还将提出S-H模型作为进化模型的可能公式。
2022-06-01 q-bio.GN q-bio.QM
Whole-Genome Phenotype Prediction with Machine Learning: Open Problems in Bacterial Genomics
University of Birmingham（伯明翰大学）；Institute of Microbiology and Infection（微生物与感染研究所）
针对识别细菌性状因果遗传机制的问题，指出机器学习模型从基因型预测表型虽准确率高但提取因果特征易出错，提出细菌全基因组表型预测及因果效应学习的开放问题并讨论相关挑战。
2025-02-11 cs.LG q-bio.GN
Eight-cluster structure of chloroplast genomes differs from similar one observed for bacteria
以前，一个七簇模式声称是一个普遍的细菌基因组已被报道。牢记最流行的叶绿体起源理论，我们检查了在叶绿体基因组中是否观察到类似的模式。令人惊讶的是，八簇结构已被发现，叶绿体。观察到的模式叶绿体不同，而显着，从细菌之一，并从后者观察到的蓝藻。该结构通过将基因组内分离的等长片段聚类来提供，使得每个片段在具有非重叠三联体的三联体频率字典中被转换，在帧平铺中没有间隙。利用弹性映射技术对63维空间中的点进行聚类。在叶绿体中发现的8个簇包括携带tRNA基因的基因组片段，与整个基因组相比，其表现出过高的$\mathsf{GC}$含量。
2018-02-08 q-bio.GN
Pan-genome Analysis of the Genus Serratia
泛基因组分析是破译细菌物种的基因组异质性和多样性的标准程序。通过定义和比较核心（保守的），附属（非）和独特的（菌株特异性）基因库与其他感兴趣的菌株来追踪物种进化。在这里，我们提出了属沙雷氏菌的泛基因组分析，包括100个基因组的数据集。分离株具有临床至环境来源，由该属的10个不同种属以及代表性菌株粘质沙雷氏菌的两个亚种组成。在来自数据集的19430个非冗余编码DNA序列（CDS）中，972个（5%）属于核心基因组。这些基因中的大多数与代谢功能有关，其次是细胞过程/信号传导，信息存储/处理，而其余的则表征不佳。10，135个CDSs（52.16%）与可分配基因组相关，8，321个CDSs（42.82%）为单例或菌株特异性。泛基因组直系同源物与基因组数量呈正相关，而核心基因组则呈负相关。对基因组进行比对以获得关于同线性、插入/倒位、缺失和重复的信息。该研究为了解沙雷氏菌属物种的变异提供了新的思路，并为其他细菌属水平的泛基因组分析奠定了基础。
2016-10-13 q-bio.GN
Four basic symmetry types in the universal 7-cluster structure of 143 complete bacterial genomic sequences
编码信息是细菌基因组序列异质性（非随机性）的主要来源。该信息可以通过分析相对短的基因组片段（200- 400 bp）的“同相”三联体分布中的簇结构来自然地建模。我们在细菌基因组序列中发现了一个普遍的7簇结构，并解释了它的性质。我们表明，细菌基因组的密码子使用是一个多线性函数的基因组G+ C-含量与高精度。基于2004年8月在Genbank中可获得的143个完全测序的细菌基因组的分析，我们发现观察到的7簇结构有四种“纯”类型。所有143个簇动画3D散射被收集在一个数据库中，并可在我们的网站上获得：http://www.ihes.fr/~zinovyev/7clusters该发现可以很容易地引入任何软件的基因预测，序列比对或细菌基因组分类。
2004-10-27 math.ST q-bio.GN stat.TH
Family-specific scaling laws in bacterial genomes
在进化基因组学中发现的几个定量不变量中，最引人注目的是蛋白质或蛋白质结构域的总体丰度的缩放，在给定大小的基因组中共享特定的功能注释。平均而言，这些功能类别的大小在蛋白质编码基因的总数中以幂律变化。在这里，我们表明，这样的竞争并不局限于高层次的功能类别的整体行为，但也系统地存在于蛋白质结构域的单个进化家族的水平。具体而言，每个家族中的蛋白质数量遵循家族特异性比例法则与基因组大小。功能相似的族集合往往遵循相似的比例定律，但情况并非总是如此。为了系统地理解这一点，我们提供了一个全面的分类家庭的基础上，他们的缩放属性。此外，我们开发了一个定量分数的异质性的缩放属于一个给定的类别或预定义的组的家庭。在普遍合理的假设下，选择是完全或主要由生物功能驱动的，这些发现指出了特定蛋白质结构域的微调和相互依赖的功能作用，超出了我们目前的功能注释。这项分析提供了一个更深入的了解蛋白质家族的进化扩张和功能限制之间的联系，塑造细菌基因组的基因库。
2017-03-28 physics.bio-ph q-bio.GN q-bio.QM
Markovianness and Conditional Independence in Annotated Bacterial DNA
我们探索了一些细菌基因组中DNA的概率结构，并得出结论，在编码区和非编码区之间的边界处存在一种形式的马尔可夫性，即细菌基因组注释的起始和终止密码子序列。该序列被证明满足条件独立属性，允许其管理的马尔可夫链被唯一地确定从丰度的开始和停止密码子。此外，注释的序列显示在密码子水平上符合Chargaff的第二奇偶校验规则。
2013-11-18 math.PR q-bio.GN q-bio.QM
Identifying lineage effects when controlling for population structure improves power in bacterial association studies
细菌对全基因组关联研究（GWAS）提出了独特的挑战，因为它们强烈地构建成不同的菌株，并且在基因组中存在大量的连锁不平衡。虽然为人类研究开发的方法可以校正菌株结构，但这有相当大的功率损失的风险，因为菌株之间的遗传差异通常导致显著的表型变异性。在这里，我们提出了一种新的方法，捕捉血统级别的关联，即使特定于位点的关联不能被精细映射。我们证明了其检测基因和遗传变异的能力，潜在的耐药17种抗菌药物在3144株从四个分类学上不同的克隆和重组细菌：结核分枝杆菌，金黄色葡萄球菌，大肠杆菌和肺炎克雷伯氏菌。强选择、重组和突变赋予了恢复已知抗菌药物耐药机制的高能力，并揭示了外膜孔蛋白nmpC与大肠杆菌头孢唑林耐药之间的候选关联。杆菌因此，我们的方法在可能的情况下精确定位特定于位点的效应，并在精细映射难以处理时通过检测谱系水平差异来提高功率。
2016-02-08 q-bio.GN
PCA and K-Means decipher genome
在本文中，我们的目标是给本科生学习统计方法和/或生物信息学的教程。学生将学习数据可视化如何帮助基因组序列分析。学生从细菌基因组的遗传文本片段开始，分析其结构。通过主成分分析，他们“证明”基因组中的信息是由不重叠的三联体编码的。接下来，他们学习如何找到基因位置。这个关于PCA和K-Means聚类的练习使基本生物信息学概念的积极研究成为可能。附录1包含与本练习配套的程序清单。附录2包括一系列细菌基因组（从GC-贫到GC-富）在移动框架中三联体使用的2D PCA图。动画3D PCA图作为单独的gif文件附加。这些图的拓扑结构（簇结构）和几何形状（簇的相互位置）明显取决于GC含量。
2008-01-05 q-bio.GN q-bio.QM
Requirements for DNA-bridging proteins to act as topological barriers of the bacterial genome
细菌基因组被划分为几个拓扑上相互独立的长染色体结构域，这意味着一个结构域中DNA超螺旋性的变化不会传播到相邻的结构域。在体内和体外实验已经进行了质疑的拓扑障碍的性质在发挥作用，导致几个可能的分子演员的预测。在这里，我们解决的问题，拓扑障碍使用聚合物模型的超螺旋DNA链。更具体地说，我们确定在何种条件下DNA桥蛋白可以作为拓扑障碍。为此，我们开发了一个粗粒度的珠和弹簧模型，并通过布朗动力学模拟研究其性质。因此，我们发现，DNA桥接蛋白必须施加相当强的约束，其结合位点：他们必须阻止扩散的多余的扭曲通过两个结合位点上的DNA分子，同时，防止旋转的一个DNA片段相对于其他。重要的是，并非所有的DNA桥蛋白都满足第二个条件。例如，由非特异性结合DNA的蛋白质形成的单桥，如H-NS二聚体，预计在这方面会失败。我们的研究结果也可能解释，在特定的DNA桥接蛋白如LacI的情况下，为什么需要多个桥来创建稳定的独立拓扑结构域。引人注目的是，当DNA片段的相对旋转不被阻止时，松弛导致两个结构域的复杂插入。此外，虽然每个域中的扭转应力值可能不同，但它们的差异被保留。我们的工作还预测，已知包裹DNA的类核相关蛋白必须形成更高的蛋白质-DNA复合物，以有效地发挥拓扑屏障的作用。
2020-08-13 physics.bio-ph q-bio.BM q-bio.GN
Towards complete representation of bacterial contents in metagenomic samples
背景资料：在微生物群落的宏基因组组装中，我们可能认为丰富的物种由于其更深的覆盖范围而更容易组装。然而，这种魔术很少被测试。我们往往不知道我们失去了多少丰富的物种，也没有办法恢复这些物种。结果：本文提出了基于k-mer和基于16 S RNA的宏基因组组装完整性检测方法。我们表明，即使使用PacBio高保真（HiFi）读数，丰富的物种通常也无法组装，因为高菌株多样性可能会导致片段化的重叠群。我们开发了一种新的算法来恢复丰富的宏基因组组装基因组（MAG），通过识别圆形组装子图。我们的算法是无参考和补充标准宏基因组分仓。在14个真实数据集上进行了评估，它拯救了许多现有方法可能会丢失的丰富物种。结论：我们的工作强调了宏基因组完整性的重要性，这是以前经常被忽视的。我们的算法生成了更多的圆形MAG，并向微生物群落的完整表示迈进了一步。
2022-11-22 q-bio.GN
Inferring the heritability of bacterial traits in the era of machine learning
该研究系统总结了机器学习在遗传力推断中的最新进展，聚焦细菌基因组应用，通过合成数据与真实病原体数据分析测试多种方法性能，发现不同方法表现差异大，需针对目标生物遗传结构定制方法以提升推断效果。
2023-01-16 q-bio.GN stat.AP
Probabilistic Clustering of Sequences: Inferring new bacterial regulons by comparative genomics
肠道细菌之间的全基因组比较在基因基础上产生大量保守的推定调控位点，这些位点需要聚集成调节子。使用的假设，监管网站可以表示为样本的权重矩阵，我们得到一个独特的概率分布分配到集群的网站。我们的算法，“序列的概率聚类”，使用蒙特卡罗抽样的分布分区和排列成集群的短DNA序列数以千计。该算法从内部确定数据中的聚类数，并为结果聚类分配重要性。我们把理论上的限制，任何算法的能力，正确聚类序列的权重矩阵（WM）时，这些WM是未知的。我们的分析表明，一个单一基因组的所有推定位点的集合（例如E。coli）在很大程度上不足以进行聚类。当来自不同基因组的位点被组合起来，并且来自不同物种的所有同源位点被用作一个区块时，聚类就变得可行了。我们预测50-100个新的调节子以及现有调节子的许多新成员，可能使E.杆菌
2002-06-15 physics.bio-ph physics.data-an q-bio.GN
Multiscale Topology of Chromatin Folding
细胞核（染色质）中DNA的三维结构在许多细胞过程中起着重要作用。最近的实验进展导致了高通量的方法，捕捉信息的染色质构象在全基因组范围内。需要新的模型来在全球范围内定量解释这些数据。在这里，我们介绍了使用拓扑数据分析工具来研究染色质构象。我们使用持久的同源性，以确定和表征保守的循环和空隙的接触地图数据，并确定规模的相互作用。我们证明了该方法在模拟数据上的实用性，然后从细菌基因组和人类细胞系中查找数据。我们在这些数据集中确定了大量的多尺度拓扑结构。
2015-11-04 q-bio.BM q-bio.GN
