Mantodea phylogenomics provides new insights into X-chromosome progression and evolutionary radiation
本研究构建了五种螳螂的染色体级别参考基因组,揭示了转座元件扩增主导基因组大小,阐明了X染色体进化、系统发育关系及K-Pg大灭绝后的快速辐射现象。
2025-04-29 q-bio.GN q-bio.PE
Darwinian purifying selection versus complementing strategy in Monte Carlo simulations
基因组内重组(交换)是一种非常重要的进化机制。交叉事件不是沿着自然染色体均匀分布的。Monte Carlo模拟表明,重组频率决定了染色体和基因组的进化策略。在大的群体中,在高重组率下,达尔文的纯化选择使缺陷基因的比例保持在相对较低的水平。在小群体和低重组率下,互补单倍型策略似乎更有利。两种策略之间的切换具有相变特性,它取决于近交系数和交叉率。临界重组率也取决于染色体的大小。也有可能,在一个基因组中,一些染色体可能处于互补状态,而另一些则处于纯化选择状态。这种情况稳定了基因组进化和繁殖策略。最近在岛民人口中发现的亲属关系与生育力之间的正相关关系,似乎就是这种现象造成的。当大种群被迫进入互补策略时,会出现同域物种形成现象。
2009-01-12 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
Whole Genome Phylogenetic Tree Reconstruction Using Colored de Bruijn Graphs
我们提出了kleuren,一种新的组装免费的方法来重建系统发育树使用的着色de Bruijn图。kleuren的工作原理是构建着色的de Bruijn图,然后遍历它,在图中找到提供系统发育信号的气泡结构。然后将气泡对齐并连接以形成超矩阵,从中推断出系统发育树。我们介绍了kleuren用来完成这项任务的算法,并显示其性能重建的系统发育树的12种果蝇。kleuren准确地重建了已建立的系统发育树,是利用全基因组序列重建系统发育树的可行工具。软件包可从以下网址获得:https://github.com/Colelyman/kleuren
2017-09-23 cs.DS q-bio.PE
Estimating phylogenetic trees from genome-scale data
随着研究人员收集越来越大的分子数据集来重建生命之树,不同生物体基因组中信号的异质性对传统的系统发育分析提出了挑战。已经提出了一类被称为“物种树方法”的系统发育方法,以直接解决基因树异质性的一个重要来源,即当进化谱系快速辐射时发生的不完全谱系排序或深度合并,导致来自单个底层物种树的基因树的多样性。虽然这种方法越来越受欢迎,但在某些方面,它们被谨慎采用,部分原因是越来越多的例子表明,连接或超矩阵方法与物种树方法之间存在强烈的系统发育冲突。在这里,我们回顾理论和实证的例子,帮助澄清这些冲突。将连接视为多物种合并器提供的更一般模型的特殊情况,可以帮助解释两种方法在多物种基因组数据集上的行为差异。最近的工作表明,物种树的方法是更强大的连接方法,一些系统发育分析的经典挑战,包括快速演变的DNA序列,碱基组成的异质性和长分支的吸引力的网站。我们发现,如分箱,旨在增加物种树分析中的信号的方法,可以扭曲基因树的分布和不一致。计算效率高的物种树方法,结合生物现实主义是一个关键的全基因组数据的系统发育分析。
2015-01-15 q-bio.PE
The role of haplotype complementation and purifying selection in the genome evolution
我们讨论了染色体和基因组进化的两种不同方式。纯化选择占主导地位的大panmictic群体,其中孟德尔定律的独立基因分配是有效的。如果种群很小,重组过程就不足以确保连锁基因的独立分类,更大的基因簇可以作为遗传单位遗传。在这样的条件下,有整簇的基因倾向于互补,而不是像纯化选择那样的单对等位基因。计算机模拟表明,互补和纯化策略之间的切换具有相变的特征。这也是负责沿真核细胞染色体观察到的重组事件的具体分布-更高的重组率,观察到在亚端粒区域比在染色体的中心部分-同域物种形成和可能的非单调关系之间的生殖潜力和遗传距离的父母。
2010-07-20 q-bio.PE
Classification of life by the mechanism of genome size evolution
生命的分类应该基于生命进化的基本机制。我们发现,物种之间的全球关系应该是循环系统发育,这与基于系统发育树的常识有很大的不同。通过对当代物种蛋白质长度分布的分析,可以清楚地观察到系谱圈。因此,我们建议域可以定义为区别系统发育圈,这是全球性的和稳定的生活系统的特征。阐明了基因组大小进化的机制,从而解释了C值之谜的主要组成问题。根据蛋白质长度分布的相关性和准周期性,我们还可以将生命分为三个域。
2009-05-17 q-bio.GN q-bio.PE
Analysis of hybridization in French wild boar populations using genome-wide genotyping data
自20世纪80年代以来,法国野猪〈动〉种群的“遗传纯度”一直受到监测,这是基于野猪〈动〉<动>和家猪之间的细胞遗传学差异(分别为36和38条染色体)。这种差异使得有可能将任何具有37或38条染色体的公猪鉴定为“杂交种”,然而不能确定杂交的起源(最近或古老),也不能保证具有36条染色体的动物的“纯度”。对过去12年中进行的4,600多次测试结果的分析显示,平均“杂交”率为15.8%,种群之间的变异性很高。为了更详细地分析杂交并克服细胞遗传学方法的固有局限性,在70 K SNP(GeneSeek GGP Porcine HD)芯片上对最近在法国不同地区收集的362头野猪〈动〉<动>进行了基因分型。本研究表明,在所分析的96.4%的野猪〈动〉<动>中,包括大多数37或38条染色体的野猪,“家猪”起源的基因组百分比在0 ~ 18%之间。这表明杂交是一种相当普遍的现象,但强度适中,而且往往是古老的。尽管如此,在Ard{è}che等一些地区观察到了更高的杂交率,并且在分析的3.6%的野猪〈动〉<动>中发现了最近与家猪杂交的几例病例,其中大多数与亚洲猪杂交。起源。
2021-12-16 q-bio.PE
Split scores: a tool to quantify phylogenetic signal in genome-scale data
随着全基因组数据变得越来越广泛,检测染色体进化过程中的变异变得越来越重要。例如,不完全谱系分选、水平基因转移和染色体倒位等因素预计会导致染色体上潜在基因树的变化,而不同基因组区域的选择压力和突变率的变化可能会导致潜在突变过程的变化。我们提出分裂得分作为一种通用的方法,用于量化支持一个特定的系统发育关系的基因组数据集内。因为分裂分数基于位点模式频率矩阵的代数性质,所以即使对于分类群数量和/或比对长度大的数据集,也可以快速计算分裂分数,从而提供优于其他方法(例如,最大可能性),通常用于评估这种支持。使用模拟,我们探索的分裂分数的属性,包括其依赖于序列长度,分支长度,大小的分裂和它的能力,以检测真正的分裂在底层树。使用滑动窗口分析,我们表明,分裂分数可用于检测的基础进化过程中的变化,从灵长类动物,蚊子和病毒的基因组规模的数据在计算上有效的方式。分裂分数的计算已经在软件包SplitSup中实现。
2016-12-30 q-bio.PE
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
Weighted Statistical Binning: enabling statistically consistent genome-scale phylogenetic analyses
由于生物过程可以使不同的位点具有不同的进化历史,物种树估计需要来自整个基因组的多个位点。虽然许多过程可以导致基因树和物种树之间的不协调,不完整的谱系排序(ILS),多物种合并建模,被认为是基因树异质性的主要原因。基于合并的方法已经被开发来估计物种树,其中许多方法通过合并估计的基因树来操作,因此被称为汇总方法。由于总结方法通常是快速的,他们已经成为非常流行的技术,估计物种树从多个位点。然而,最近的研究已经确定,在存在基因树估计误差的情况下,汇总方法可能具有降低的准确性,并且许多生物数据集具有大量的基因树估计误差,使得汇总方法在生物现实条件下可能不是高度准确的。Mirarab等人(Science 2014)提出了统计分箱技术,以改善多位点分析中的基因树估计,并表明它提高了MP-EST的准确性,MP-EST是最流行的基于合并的汇总方法之一。统计分箱,其使用简单的统计测试用于可组合性,然后使用较大的基因集合来重新计算基因树,具有良好的经验性能,但是在基因组学流水线内使用统计分箱不具有统计上一致的期望特性。我们发现,加权重新计算的基因树的bin大小,使统计分箱统计一致下的多物种合并,并保持良好的经验性能。因此,“加权统计分箱”能够实现高度准确的基因组规模的物种树估计,并且在多物种合并模型下也是统计一致的。
2015-06-03 q-bio.PE q-bio.QM
Generalised Bayesian distance-based phylogenetics for the genomics era
本文提出基于熵似然的距离法系统发育学扩展,在基因组规模数据上实现快速贝叶斯推断,并在鸟类大数据集上验证了其高效性与可靠性。
2025-02-06 math.ST q-bio.PE stat.TH
GrassTop: Grassmannian k-mer Topology for Viral Classification and Phylogenetic Analysis
University of Georgia(佐治亚大学)
GrassTop结合格拉斯曼流形与代数拓扑,通过多尺度k-mer描述符和低秩子空间距离实现病毒分类与系统发育分析,在多个数据集上优于五种无比对方法,UPGMA树标签纯度达1.0。
2026-09-16 math.AG q-bio.PE
Imputing phylogenetic trees using tropical polytopes over the space of phylogenetic trees
本文提出一种基于热带几何中热带多胞体的新方法,用于填补基因树缺失部分,并证明估计树与真实树的RF距离至多为4,模拟实验验证了其有效性。
2023-07-03 q-bio.PE
Tropical Principal Component Analysis and its Application to Phylogenetics
主成分分析是在高维欧几里得空间中对给定数据集进行降维的一种广泛使用的方法。在这里,我们定义和分析两个类似的主成分分析在热带几何的设置。在一种方法中,我们研究的Stiefel热带线性空间的固定维最接近的数据点的热带射影环面;在另一种方法中,我们考虑的热带多面体与固定数量的顶点最接近的数据点。然后,我们给这两种方法的近似算法,并将其应用于遗传学,测试模拟系统发育数据和Apicomplexa基因组的经验数据集的方法。
2017-10-15 math.CO q-bio.PE
Tropical Data Science
系统基因组学是将遗传学的工具应用于基因组数据的一个新领域。由于新的技术和不断增加的数据量,我们面临着新的挑战,分析他们在空间的系统发育树。因为在叶子上具有固定标签集的系统发育树空间不是欧几里得的,所以我们不能简单地应用数据科学中的工具。在本文中,我们调查了一些新的发展,机器学习模型使用热带几何分析一组系统发育树在一个树空间。
2020-05-13 cs.LG math.CO q-bio.PE
Genomic tests of variation in inbreeding among individuals and among chromosomes
我们研究了9个欧洲人和9个约鲁班人的杂合位点的分布,他们的基因组序列是由完整基因组学公开提供的。我们表明,它是可能的,以获得有关近亲繁殖的详细信息时,一组相对较小的全基因组序列。而不是专注于测试偏离哈代-温伯格基因型频率在每个站点,我们分析了整个分布的杂合子的衍生(非黑猩猩)等位基因的拷贝数的条件。使用Levene的精确检验,我们拒绝Hardy-Weinberg在这两个群体。我们推广了Levene分布,得到了在每个个体具有相同的近交系数F的情况下,杂合子个体数的精确分布。我们估计欧洲人的F值为0.0026,约鲁巴人为0.0005,但我们也可以拒绝每个人的F值都相同的假设。我们使用复合似然方法来估计每个个体和每个染色体内的F。个体内染色体间F的变异太大,与单独的采样效应不一致。此外,在不同的人群中,每个染色体的F的估计是不相关的。我们的研究结果显示了如何详细比较人口基因组数据的理论预测。将这些方法应用于完整基因组学数据集表明,明显的近亲繁殖程度在染色体和个体之间存在差异,近亲繁殖系数的估计会受到意想不到的变异水平的影响,这可能部分是由选择造成的。
2012-09-26 q-bio.PE
Assortativity in sympatric speciation and species classification
该研究扩展 Derrida–Higgs 同域模型,通过引入基于性状的选型交配,证明小基因组也能产生生殖隔离,并提出中性性状可用于物种分类。
2024-09-16 q-bio.PE
How genome redundancy can promote evolutionary innovation
Sapienza University of Rome(罗马第一大学);Italian Institute of Technology(意大利理工学院)
研究多倍体在不同选择压力下与遗传模式、基因型-表型映射的相互作用,通过最小进化模型发现多倍体在环境突变时有利,随机遗传与非线性映射效果最佳,结构化遗传有最优值,为理解多倍体受自然选择青睐提供统一框架。
2026-07-21 physics.bio-ph q-bio.PE
Identifiability of the unrooted species tree topology under the coalescent model with time-reversible substitution processes, site-specific rate variation, and invariable sites
对一系列生物进化历史的推断是进化生物学中一个基本的重要问题。从基因组测序项目产生的DNA序列数据的丰富性,导致了这些系统发育关系的推断的重大挑战。这些挑战之一是根据从整个基因组中取样的几个不同基因的序列信息推断一系列物种的进化历史。人们普遍认为每个基因都有自己的系统发育史,这可能与物种树不一致。已知这种基因树不一致的许多可能原因。最好的研究是不完全谱系排序,这是通常由合并过程建模。许多基于聚结过程的方法已经被提出用于估计给定DNA序列数据的系统发育树。然而,这些方法的使用假设系统发育物种树可以从树的叶子处的DNA序列数据中识别,尽管这还没有正式建立。我们证明了无根拓扑的n叶系统发育物种树是一般可识别的观察数据在树叶的树,假设已经出现了从合并过程下的时间可逆的替代过程的可能性,特定网站的速率变化建模的离散伽玛分布和不变的网站的比例。
2015-07-03 q-bio.PE
Extraction of Deep Phylogenetic Signal and Improved Resolution of Evolutionary Events within the recA/RAD51 Phylogeny
recA/RAD 51基因家族编码影响同源重组、DNA修复和基因组稳定性的多种重组酶蛋白。recA基因家族在几乎所有真细菌、真核生物和真核生物中表达,甚至在一些病毒中也表达。迄今为止,解决这个古老蛋白质家族的深层进化起源的努力受到阻碍,部分原因是家族之间的高序列差异(即旁系同源群之间约30%的同一性)。通过(i)大型分类单元采样,(ii)使用系统发育算法来测量高度分化的旁系同源物,以及(iii)新颖的进化空间动力学模拟和分析工具,我们获得了recA/RAD 51超家族的强大,简约和更精细的系统发育历史。综上所述,我们的recA/RAD 51家族的进化模型提供了一个更好的理解recA蛋白的古老起源和多个事件导致的recA同源物在真核生物中的多样化,包括发现额外的RAD 51亚家族。
2012-06-14 q-bio.GN q-bio.MN q-bio.PE
From viral evolution to spatial contagion: a biologically modulated Hawkes model
突变有时会增加进化中的病原体的传染性。在流行病期间,科学家利用病毒基因组数据推断出一个共同的进化历史,并将这一历史与地理传播联系起来。我们提出了一个直接将病原体的进化与其空间传染动力学联系起来的模型-有效地结合了系统发育推断和自激过程建模的两种流行病学范式-并将此\emph{phylogenetic Hawkes process}应用于2014-2016年西非埃博拉疫情的23,422例病毒病例的贝叶斯分析。所提出的模型能够检测到单个病毒,其时空传播速率显着提高,用于提供基因组数据的1,610个样本的子集。最后,为了促进大数据环境中的模型应用,我们开发了对数似然的梯度和Hessian的大规模并行实现,并在自适应预处理的Hamilton Monte Carlo例程中应用我们的高性能计算框架。
2021-09-10 q-bio.PE stat.AP