High rate of SARS-CoV2 nonsense spike genomes coding for prematurely truncated proteins
SARS-CoV 2病毒体的复制是一个容易出错的过程，最终可能会产生一定比例的受损蛋白质拷贝，完全缺乏功能。例如，在RNA错误复制后，可能会出现编码过早截短（无义突变）刺突蛋白的非常过早的终止密码子（UAG、UAA、UGA）。在通过细胞感染的自然病毒复制过程中，无义基因组被病毒的校对酶纠正，受到自然选择的强烈惩罚，并被宿主细胞的mRNA监视机制判处非常短的寿命。然而，对于1273个密码子的非常长的刺突基因组，截短的非功能性刺突蛋白可能仍然以高频率存在，即使在每个单个核苷酸的低突变率存在下。本文提供了一种高保真的SARS-CoV 2刺突序列后处理方法：在患者的离体样本中，由于插入/缺失而导致的刺突基因组提前终止（无义突变）的比例高达26%，而从体外细胞培养中获得的比例为9.7%。对于SARS-CoV 2刺突基因组的“人工”从头DNA合成过程，没有相关的自然校正/选择，可能包括疫苗制备，也提出了关于过早停止刺突蛋白质序列的可能高比率的一般性警告。最后，一个度量的基础上提前停止和“正常”的基因组之间的比例提出了作为一个潜在的主机独立的变异观察工具，能够分类新的穗突变的感染性。
2021-06-07 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
The mysterious orphans of Mycoplasmataceae
背景：蛋白质序列的长度在很大程度上取决于其功能，即每个功能基团与最佳大小相关。然而，比较基因组学显示，蛋白质长度可能受到其他因素的影响。在2002年，研究表明，在大肠杆菌和古生菌闪烁古球菌中，没有同源物的蛋白质序列平均比有同源物的短。现在大多数专家都同意，在细菌和古细菌基因组中，有同源物和没有同源物的蛋白质序列之间的长度分布明显不同。在这项研究中，我们研究了这一假设的全面分析所有注释原核生物基因组，并专注于某些例外。结果如下：我们比较了在所有目前注释的完全测序的原核生物基因组中具有同源蛋白（HHPs）和不具有同源蛋白（孤儿或ORFans）的长度分布。正如预期的那样，HHP和ORFan在几乎所有基因组中具有显著不同的长度分布。如前所述，HHP实际上平均比ORFan长，并且ORFan的长度分布具有相对窄的峰值，与HHP相反，HHP的长度分布在更宽的值范围内。然而，大约有30个基因组不遵守这些规则。几乎所有支原体和脲原体的基因组都具有非典型的ORFan分布，ORFan的平均长度大于HHP的平均长度。这些属占非典型基因组的80%以上。结论：我们在一组普遍存在的基因组上证实了先前的观察，即HHP和ORFan具有不同的基因长度分布。我们还表明，支原体科基因组具有独特的分布的ORFans长度。我们对这种现象提供了几种可能的生物学解释。
2015-08-24 q-bio.GN
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
MicroFuse: Protein-to-Genome Expert Fusion for Microbial Operon Reasoning
Department of Physics and Astronomy, Rice University, Texas, USA（物理与天文学系，里士满大学，德克萨斯州，美国）
本文提出MicroFuse框架，通过融合蛋白质结构表示和基因组上下文表示，提升微生物启动子预测的准确性。在OG-Operon100K数据集上，MicroFuse在多个评估指标上表现最优，尤其在生物上模糊的情况中表现突出。
2026-05-09 cs.LG q-bio.BM q-bio.GN
Navigating Eukaryotic Genome Annotation Pipelines: A Route Map to BRAKER, Galba, and TSEBRA
本文系统比较了 BRAKER 和 Galba 两种真核基因组注释流程，分析了它们在不同证据来源和基因组规模下的准确性差异，并为昆虫基因组注释提供了实用指南。
2024-03-28 q-bio.GN
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
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
The human genome and drug discovery after a decade. Roads (still) not taken
人类基因组的草图序列在近十年前就已可用，但编码的蛋白质组尚未得到充分的探索。我们对几个大的蛋白质家族的文献计量学分析，包括那些已知的“药物”，揭示了，即使在今天，大多数论文集中在2000年之前已知的蛋白质。很明显，生物医学研究系统的一个或多个方面严重限制了对蛋白质组“暗物质”中蛋白质的探索，尽管无偏见的遗传方法已经指出了它们的功能相关性。相对较少的基因组靶点导致了药物的批准，这也许并不奇怪。
2011-02-10 q-bio.GN q-bio.OT
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
Protein structure and sequence re-analysis of 2019-nCoV genome does not indicate snakes as its intermediate host or the unique similarity between its spike protein insertions and HIV-1
由于2019-nCoV冠状病毒感染正在迅速发展成为全球肺炎疫情，因此迫切需要对其传播和细胞机制进行仔细分析。在这份报告中，我们重新分析了Ji et al.（https：//doi.org/10.1002/jmv.25682）和Pradhan et al.（https：//doi.org/10.1101/2020.01.30.927871）最近两篇手稿中提出的计算方法和发现，得出的结论是蛇是2019-nCoV的中间宿主，2019-nCoV刺突蛋白插入与HIV-1具有独特的相似性。我们使用最先进的生物信息学方法和数据库在更大规模的数据集上重新实施分析的结果不支持这些手稿提出的结论。根据我们的分析和冠状病毒的现有数据，我们得出结论，2019-nCoV的中间宿主更有可能是哺乳动物和鸟类，而不是蛇，并且在刺突蛋白中观察到的“新插入”是从蝙蝠冠状病毒自然进化而来的。
2020-02-08 q-bio.BM q-bio.GN
Protein domains as units of genetic transfer
基因组作为模块进化。在原核生物（和一些真核生物）中，遗传物质可以在物种之间转移，并通过同源或非法重组整合到基因组中。我们没有理由认为这些转移单位对应于整个基因;然而，这些单位尚未得到严格的表征。我们研究了来自144个原核基因组的单拷贝基因家族中的片段遗传转移，发现断点比偶然预期的更接近编码注释的蛋白质结构域的基因组区域的边界，特别是当重组序列更加分散时。这种相关性来自重组事件本身，而不是来自不同的核苷酸取代。我们报告的第一个系统的研究有关基因重组的结构特征在蛋白质水平。
2008-01-29 q-bio.GN q-bio.PE
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
Genome landscapes and bacteriophage codon usage
在所有生物界，蛋白质编码基因表现出同义密码子的不平等使用。虽然替代理论比比皆是，翻译选择已被接受为一个重要的机制，在原核生物和简单的真核生物的密码子使用模式的形状。在这里，我们分析了感染大肠杆菌的74种不同噬菌体的密码子使用模式。coli、铜绿假单胞菌和L.乳酸菌作为主要宿主。我们引入了“基因组景观”的概念，这有助于揭示整个基因组中密码子使用的非平凡的，长距离的模式。我们开发了一系列随机化测试，使我们能够询问密码子使用的一个方面的意义，如GC含量，同时控制另一个方面，如适应宿主偏好的密码子。我们发现，33噬菌体基因组表现出高度非随机模式，在其GC 3含量，使用主机偏好的密码子，或两者兼而有之。我们表明，这些噬菌体的头部和尾部蛋白质表现出显着的偏向主机偏好的密码子，相对于非结构噬菌体蛋白。我们的研究结果支持的假设，翻译选择病毒基因的宿主偏好的密码子，在广泛的噬菌体。
2007-08-14 q-bio.GN
Range-Limited Heaps' Law for Functional DNA Words in the Human Genome
Stony Brook University（石溪大学）；The Feinstein Institutes for Medical Research, Northwell Health（费因斯坦医学研究所，诺思韦尔健康）；Institute of Nanoscience and Nanotechnology National Center for Scientific Research, “Demokritos”（纳米科学与技术研究所，德谟克利特国家科学研究中心）
研究功能DNA词在人类基因组中呈现范围受限的Heaps定律，通过定义编码蛋白质域的基因组区域，发现其词汇量与词频符合幂律分布，但受基因复制和Zipf定律影响，需通过二次回归验证。
2024-06-17 q-bio.GN
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
Protein and DNA sequence determinants of thermophilic adaptation
生活在极端环境温度下的原核生物在其蛋白质的氨基酸组成和其基因组的核苷酸组成中表现出明显的特征，反映了其对热环境的适应。然而，尽管做出了重大努力，但原核生物最佳生长温度的基因组和蛋白质组组成决定因素的确切答案仍然难以捉摸。在这里，作者通过详尽地评估所有氨基酸和核苷酸的组合作为具有全序列基因组的所有原核生物的最佳生长温度的可能决定因素，对嗜热适应的氨基酸和核苷酸组成特征进行了全面分析。作者发现，蛋白质组中7种氨基酸的总浓度IVYWREL可作为原核生物最佳生长温度的通用蛋白质组预测因子。解决了长期存在的争议，作者确定核苷酸组成的变化（嘌呤负荷或A+G含量随温度的增加）在很大程度上是蛋白质热适应的结果。然而，A和G核苷酸在基因组序列中作为最近邻出现的频率与最佳生长温度强烈且独立地相关。这是相应基因组中密码子偏好的结果。总之，这些结果提供了一个完整的图片蛋白质组和基因组的嗜热适应的决定因素。
2006-11-23 q-bio.BM q-bio.GN
Increasing biological complexity is positively correlated with the relative genome-wide expansion of non-protein-coding DNA sequences
背景资料：在当前的基因组时代之前，有人认为生物体所使用的蛋白质编码基因的数量是衡量其复杂性的有效指标。然而，现在很清楚的是，主要的不一致性存在，生物复杂性和蛋白质编码基因的数量之间只有微弱的关系。例如，使用蛋白质编码基因数量作为评估生物复杂性的基础，将使尾索动物和昆虫的复杂性低于线虫，而人类的复杂性低于水稻。结果如下：我们分析了85个测序物种的非编码基因组DNA与总基因组DNA的比率（ncDNA/tgDNA），发现这个比率与生物学复杂性的增加密切相关。对于原核生物，ncDNA/tgDNA比率通常包含在0.05-0.24的带宽内，但在单细胞真核生物中上升到0.26-0.52，并且对于发育复杂的多细胞生物体上升到0.62-0.985。值得注意的是，原核生物物种的物种分布不均匀，接近平均值0.1177 ncDNA/tgDNA（p=1.58 x 10^-13），ncDNA/tgDNA与基因组大小呈非线性关系（r=0.15）。重要的是，ncDNA/tgDNA比率校正倍性，并且基本上不受重复序列的可变负荷的影响。结论：我们认为，所观察到的非编码DNA的增加和组成模式主要是增加的信息含量的函数。因此，内含子、基因间序列、重复元件和基因组DNA可能对复杂生物的进化和功能库比以前认识到的要重要得多。
2004-01-15 q-bio.GN q-bio.PE
Identity and divergence of protein domain architectures after the Yeast Whole Genome Duplication event
分析进化过程中重复基因的特性有助于理解新细胞功能的发展。酵母S.酿酒酵母是这个问题的一个有用的试验场，因为它具有不同进化出生和命运的复制基因是很好区分的。特别地，在S中明确检测到全基因组复制（WGD）事件的发生。酿酒酵母，并且来源于该事件的基因（WGD旁系同源物）是已知的。我们研究了WGD和非WGD重复两个并行分析的基础上结构蛋白域和基因本体注释方案。结果表明，虽然大量的“可复制”的结构域是共享的本地和全球的重复，WGD和非WGD旁系同源物往往有不同的功能。其原因是存在具有很大不同功能的WGD和非WGD特异性结构域。与Wapinski及其合作者最近的发现（Nature 449，2007）一致，WGD旁系同源物通常执行“核心”细胞功能，如翻译和DNA复制，而局部复制与“外围”功能相关，如对压力的反应。我们的研究结果也支持这样一个事实，即结构域架构是一个可靠的工具来检测同源性，重复的域在很大程度上是不变的日期和性质的重复，而它们的序列，也可能迁移它们的功能。
2008-11-20 q-bio.BM q-bio.GN
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
Alterations of the mitochondrial proteome caused by the absence of mitochondrial DNA: A proteomic view
线粒体的正常功能需要线粒体和核基因组都是功能性的。为了研究线粒体基因组的重要性，线粒体基因组仅编码呼吸复合物的13个亚基、线粒体rRNA和一些tRNA，我们对143 B细胞系及其Rho-0对应物进行了比较研究，即，没有线粒体DNA当然，在呼吸复合物亚基中发现了定量差异，但也在线粒体翻译装置中，主要是线粒体核糖体蛋白，以及在离子和蛋白质输入系统中，即，包括膜蛋白。各种线粒体代谢过程也发生了改变，特别是电子转移蛋白和一些酶，但往往是在每一个途径的几个蛋白质。这项研究还显示了一些假设的或特征不佳的蛋白质的变化，表明这些蛋白质的线粒体定位。实例包括口蛋白样蛋白和与涉及酪氨酸催化酶的细菌蛋白共享同源性的蛋白。还发现参与细胞凋亡控制的蛋白质在Rho-0线粒体中被调节。
2006-11-24 q-bio.GN
C3P: Contrastive promoter-protein pretraining yields representations capturing bacterial gene regulation
University of Toronto（多伦多大学）
提出对比启动子-蛋白质预训练（C3P），通过对齐启动子与对应蛋白质来学习细菌调控序列表征，在调控注释推断和零样本共调控基因检索中显著优于基因组语言模型。
2026-11-09 q-bio.GN
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
Transcriptional Interactions During Smallpox Infection and Identification of Early Infection Biomarkers
天花是一种致命的疾病，可以作为生物武器故意重新引入人类。虽然宿主基因表达微阵列谱可用于检测感染，但使用无监督和监督分类技术分析该信息可产生矛盾的结果。在这里，我们提出了一种新的计算方法，将分子基因组注释功能，是识别早期感染生物标志物（EIB）的关键。我们的分析确定了58 EIB表达的外周血单核细胞（PBMC）收集从21食蟹猴（食蟹猴）感染两种天花菌株通过气溶胶和静脉内暴露。这些EIB的表达水平与疾病进展和严重程度相关。公共数据库中EIBs共表达和蛋白质相互作用的数据没有发现重叠，这表明在感染过程中发生了病原体特异性的基因表达和蛋白质相互作用网络的重组。为了确定天花和人类之间潜在的全基因组蛋白质相互作用，我们对所有天花和人类蛋白质进行了蛋白质结构域分析。我们发现天花病毒的161个蛋白质结构域中只有55个也存在于人类基因组中。这些共同存在的结构域主要存在于参与血液凝固、补体激活、血管生成、炎症和激素转运的蛋白质中。这些蛋白质中有几种属于EIB类别，并为开发治疗对策提供了潜在的新靶点。
2006-10-12 q-bio.GN q-bio.MN
Self-organizing Approach for Automated Gene Identification in Whole Genomes
提出了一种基于显式区分编码相位思想的全基因组蛋白质编码区（外显子）识别方法。对于几个基因组，找到了平均GC含量函数和计算密码子频率的最佳窗口长度，提出了基于三联体频率多维空间聚类的自训练方法。为了在三元组必要性空间中实现数据的可视化，应用了弹性映射方法。
2001-08-10 physics.bio-ph 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
Needed for completion of the human genome: hypothesis driven experiments and biologically realistic mathematical models
在“Fundacio La Caixa”的赞助下，我们于11月21日和22日在巴塞罗那举行了会议，以分析为什么在完成人类基因组测序后，识别所有蛋白质编码基因及其变体仍然是一个遥远的目标。在这里，我们报告了我们的讨论，并总结了一些主要的挑战，需要克服，以完成人类基因目录。
2004-10-06 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
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
The shrinking human protein coding complement: are there now fewer than 20,000 genes?
确定蛋白质编码基因的完整互补是基因组注释的关键目标。确认蛋白质编码潜力的最有效方法是通过肽质谱实验检测细胞蛋白质表达。在这里，我们将在7个大规模蛋白质组学研究中检测到的肽映射到人类基因组中GENCODE注释的近60%的蛋白质编码基因。我们发现，脊椎动物物种的保守性和基因家族的年龄是蛋白质组学实验中是否检测到肽的关键指标。我们发现大多数高度保守的基因和几乎所有的基因，进化前bilateria肽。与此同时，几乎没有证据表明自灵长类动物以来出现的基因或不具有任何蛋白质样特征或跨物种保守性的基因的蛋白质表达。我们在主要数据库中确定了19个非蛋白质样特征，如弱保守性，无蛋白质特征或模糊注释，这些特征是低肽检测率的指标。我们使用这些特征来描述一组2，001个潜在的非编码基因，并表明这些基因中的许多基因的行为更像非编码基因而不是蛋白质编码基因。我们只检测到这些基因中3%的肽。我们认为，这2,001个基因中的许多基因在正常情况下不编码蛋白质，它们不应该被列入人类蛋白质编码基因目录。这些潜在的非编码基因将作为正在进行的人类基因组注释工作的一部分进行修订。
2014-02-11 q-bio.GN q-bio.MN q-bio.PE
Prediction of genomic properties and classification of life by protein length distributions
蛋白质长度分布的波动中储存了大量的进化信息。基因组大小和非编码DNA含量可以仅基于蛋白质长度分布来计算。因此，编码DNA和非编码DNA的大小之间存在着内在的联系。根据蛋白质长度分布的相关性和准周期性，我们可以将生命分为三个领域。强有力的证据被发现支持蛋白质长度分布的结构中的顺序。
2008-06-02 q-bio.GN q-bio.QM
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
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
Bacterial protein interaction networks: connectivity is ruled by gene conservation, essentiality and function
蛋白质相互作用（PPI）网络是活细胞中所有过程的骨架。在这项工作中，我们将基因的保守性、必要性和功能库与连接性$k$（即，相互作用链接的数量）。在一组42个不同大小的细菌基因组上，我们研究了三个问题：i）必需基因和非必需基因的PPI子网络之间的连接性分布是否发生变化; ii）用进化保留指数（ERI）和进化压力衡量的基因保守性如何与相应蛋白质的连接性相关; iii）PPI连接性如何被进化和功能关系所调节，如由Orthopathic基因簇（COG）所代表的。我们发现，基因的保守性，必要性和功能的专门化限制了细菌PPI网络中相应蛋白质的连接性。特别是，我们分离出一个高度连接的蛋白质（具有连接性$k\ge40$）的核心，它在这里考虑的物种中无处不在-尽管大多数在具有小基因组（少于1000个基因）的细菌的程度分布中可见。属于这个高度连接的核心的基因是保守的，必需的，并且在大多数情况下，属于COG簇J，与核糖体功能和遗传信息的处理有关。
2020-12-07 q-bio.GN q-bio.MN
Improving spliced alignment by modeling splice sites with deep learning
本文提出minisplice，利用一维卷积神经网络建模剪接位点，并将学习到的剪接概率整合到minimap2和miniprot中，显著提升了长读长RNA-seq和远缘同源蛋白质的剪接比对准确性。
2025-09-20 q-bio.GN
Neural Replicator Analysis for virus genomes binomial systematics in metagenomics
我们已经提出了一些论点来证实神经复制因子分析（NRA）的有用性，仅基于其完整基因组序列的知识来构建病毒基因组的自然二项式分类的变体，而不涉及表型，功能，编码蛋白等的其他数据，并且也不需要基因组序列比对。也许这在处理宏基因组数据时会有意义。这使得有可能构建为病毒本身所接受的二项式分类。我们限制自己的三个家庭的病毒具有双链DNA环状基因组（乳头状瘤病毒科，多瘤病毒科和花椰菜花叶病毒科），部分家庭双生病毒科具有ssDNA基因组，虽然所提出的方法也可以适用于其他的双链DNA，ssDNA和ssRNA病毒，包括线性的基因组（一些结果也为线粒体病毒科）。认为病毒基因组的二项分类虽然难以适用于所有情况，但可以作为揭示病毒特性、宿主分布、疾病形式的信息工具，还可以显示属于不同科甚至不同界的病毒之间的联系。
2022-12-11 q-bio.GN
Exploring gene content with pangene graphs
本文提出pangene工具，通过构建基因图识别基因组集合中的基因方向、顺序和拷贝数变化，应用于人类泛基因组揭示复杂单倍型，并适用于细菌泛基因组。
2024-05-29 q-bio.GN
Ecological patterns of genome size variation and the origin of species in salamanders
蝾螈（蝾螈）是最大的脊椎动物基因组之一，大小从10到超过80 pg不等。蝾螈分为10个现存的家庭，每个家庭的基因组大小的特征范围。虽然基因组大小的变化通常是随机发生的，并且在没有选择压力的情况下，但在特定的脊椎动物谱系中，基因组大小变化的非随机模式是明显的。在这里，我们报告说，蝾螈家族的基因组大小与物种丰富度和其他生态因素成反比：分支开始辐射较早（旧冠年龄）往往有较小的基因组，更高水平的多样性和更大的地理范围。这些观察结果支持了这样的假设，即具有较大基因组的urodel家族要么具有较低的多样化倾向，要么比具有较小基因组的家族更容易灭绝。
2015-03-07 q-bio.GN q-bio.PE
Structural analysis of SARS-CoV-2 and prediction of the human interactome
病毒基因组的特定元件调节宿主细胞内的相互作用。在这里，我们计算了超过2500种冠状病毒的二级结构含量，并计算了超过100000种人类蛋白质与严重急性呼吸综合征冠状病毒2（SARS-CoV-2）的相互作用。我们发现3和5 ′末端是病毒基因组中最具结构性的元件，5 ′末端具有与人类蛋白质结合的最强倾向。包含核苷酸23000-24000的结构域在序列和结构水平上都是高度保守的，而上游区域变化显著。这两个序列编码病毒蛋白Spike S的一个结构域，该结构域与人受体血管紧张素转换酶2（ACE 2）相互作用，并具有结合唾液酸的潜力。我们的预测表明，在5个引物末端的前1000个核苷酸可以与参与病毒RNA加工的蛋白质相互作用，例如双链RNA特异性编辑酶和ATP依赖性RNA解旋酶，以及其他高置信度的候选伙伴。这些相互作用，以前报道也涉及艾滋病毒，揭示了宿主病毒相互作用的重要信息。由SARS-CoV-2基因组募集的转录和转录后元件的列表提供了与人类细胞中基因表达变化相关的生物学途径的线索。
2020-04-29 q-bio.BM q-bio.GN q-bio.MN
Topological Sequence Analysis of Genomes: Category theory Approaches
Chongqing University of Technology（重庆理工大学）；Michigan State University（密歇根州立大学）
本文提出基于范畴论的拓扑序列分析框架 CTSA，利用消解范畴与持续同调提取基因组多尺度特征，在 SARS-CoV-2 系统发育分析和结合亲和力预测中优于六种现有方法。
2025-10-21 math.AT q-bio.GN
Gene & Genome Duplication in Acanthamoeba Polyphaga Mimivirus
基因复制是生命所有三个领域的分子进化的关键，也可能是新基因功能出现的第一步。这是大型DNA病毒的一个公认特征，但迄今为止尚未在最大的已知病毒中进行广泛研究，最近发现的阿米巴多食虫拟态病毒。在这里，我们提出了一个系统的分析，在Mimivirus基因组中的基因和基因组复制事件。我们发现，三分之一的拟病毒基因与拟病毒基因组中至少一个其他基因相关，要么是通过发生在更遥远的过去的大片段基因组复制事件，要么是通过最近的基因复制事件，这通常是串联发生的。这表明基因和基因组复制在形成Mimivirus基因组中发挥了重要作用。使用多重比对结合基于隐马尔可夫模型比较的远程同源性检测方法，我们将推定的功能分配给一些旁系同源基因家族。我们认为，复制的Mimivirus基因家族的很大一部分可能会干扰重要的宿主细胞过程，如转录控制，蛋白质降解和细胞调控过程。我们的研究结果支持这样一种观点，即大型DNA病毒是复杂的进化生物，可能深深扎根于生命之树，并反对病毒进化由横向基因获取主导的范式，至少在大型DNA病毒方面。
2005-07-19 q-bio.GN
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
Estimation of genome size using k-mer frequencies from corrected long reads
第三代长读段测序技术，如PacBio和Nanopore，在从头组装研究中比第二代Illumina测序具有很大的优势。然而，由于固有的低碱基准确度，第三代测序数据不能用于k-mer计数和基于k-mer频率估计基因组谱。因此，在目前的基因组计划中，第二代数据也是准确确定基因组大小和其他基因组特征所必需的。我们表明，校正后的第三代数据可以用来计算k聚体频率和估计基因组大小可靠，在使用第二代数据的替代。因此，未来的基因组计划可以只依靠一种测序技术来完成组装和k-mer分析，这将大大降低测序成本，无论是时间还是金钱。此外，我们提出了一个快速的轻量级工具kmerfreq，并使用它来执行所有的k-mer计数任务在这项工作中。我们已经证明，校正的第三代测序数据可用于估计基因组大小，并开发了一种新的开源C/C++ k-mer计数工具kmerfreq，可在https://github.com/fanagislab/kmerfreq上免费获得。
2020-03-26 q-bio.GN
Slow evolution of vertebrates with large genomes
达尔文引入了“活化石”的概念来描述属于经历了很少进化变化的谱系的物种，并提出进化较慢的谱系中的物种更容易灭绝。最近的研究表明，一些活化石，如肺鱼，确实比其他脊椎动物进化得更慢（2，3）。这些谱系进化速度较慢的原因尚不清楚，但同样的观察表明，基因组大小可能对进化速度产生影响。脊椎动物的基因组大小（C值）变化超过200倍，从河豚（0.4 pg）到肺鱼（132.8 pg）不等（4）。基因组大小和结构的变化是一种基本的细胞适应，但仍然知之甚少（5）。C值与几个异速生长性状，如身体大小和发育率在许多，但不是全部，生物（6，7）。到目前为止，关于驱动基因组大小进化的机制或基因组大小对物种性状（如进化速率）的影响还没有达成共识（8-12）。在下文中，我们表明：1）在相同的分歧时间范围内，遗传多样性随着基因组大小的增加而减少; 2）脊椎动物分子进化的平均速率随着基因组大小的增加而下降。总之，这些观察结果表明，基因组大小是影响物种形成和灭绝速度的一个重要因素。
2013-02-09 q-bio.GN q-bio.PE
What can we learn from noncoding regions of similarity between genomes?
背景资料：除了已知的蛋白质编码基因外，人类和小鼠基因组之间还存在大量明显的非编码序列。这似乎是合理的假设，这些保守的区域更可能包含功能元件比基因组的保守性较低的部分。在这里，我们使用了一种面向基序的机器学习方法，从一组非编码保守序列中提取最强的信号。结果如下：我们成功地拟合了反映非编码序列的模型，并表明重复训练运行的结果非常一致。使用学习的模型扫描基因组序列，我们发现它经常在注释基因的开始附近做出预测。我们比较了这种方法与其他已发表的启动子预测系统，并表明，这是由这种方法检测到的启动子的集合似乎是基本上类似于由现有的方法检测到的。结论：这里呈现的结果表明，启动子信号是基因组的非编码功能部分中最强的基于单个基序的信号。它们也支持这样的信念，即存在大量的启动子区域子集，它们具有共同的特征，并且可以通过各种计算方法检测到。
2003-12-04 q-bio.GN
Virtual in situs: Sequencing mRNA from cryo-sliced Drosophila embryos to determine genome-wide spatial patterns of gene expression
基因表达的复杂的空间和时间模式是胚胎分化的基础，但目前还不存在有效的全基因组确定发育过程中的空间表达模式的方法。转录本和蛋白质的原位成像是金标准，但即使高度自动化，应用于整个基因组也很困难且耗时。相比之下，测序是快速和全基因组的，但通常应用于均质化组织，从而丢弃空间信息。这些方法很可能最终会趋同，我们将能够原位测序RNA，同时确定它们的身份和位置。作为沿着这条道路的一步，我们开发的方法，冷冻切片个别胚盘阶段的果蝇胚胎沿前后轴和序列的mRNA从每个25微米的切片分离。我们推断基因表达的空间模式与先前通过原位杂交和显微镜确定的模式密切匹配。我们应用这种方法来产生从受精后不久到原肠胚形成的全基因组空间基因表达时间进程。我们确定了许多基因的空间格局，尚未被描述在几个正在进行的系统原位为基础的项目。这个简单的实验证明了将仔细的解剖解剖与高通量测序相结合以获得全基因组尺度上的空间分辨基因表达的潜力。
2013-05-23 q-bio.GN
Lineage specific reductions in genome size in salamanders are associated with increased rates of mutation
据报道，在具有大基因组的脊椎动物中，特别是蝾螈和肺鱼，遗传多样性水平非常低[1-3]。杂合性反映了种群的遗传多样性，解释杂合性的差异是复杂的，因为同种种群之间的杂合性水平差异很大，并与许多不同的生理和人口统计学变量，如身体大小和有效种群大小相关。在这里，我们回到蝾螈的遗传变异的问题，并报告在五个不同的蝾螈家庭的进化速度和基因组大小之间的关系。我们发现，蝾螈作为一个群体，进化的速度非常低。进化速度与软骨鱼类的进化速度一样低，软骨鱼类是迄今为止脊椎动物中进化速度最慢的鱼类[4]。我们还发现，与生活史无关，基因组最小（14 pg）的蝾螈进化速度比基因组最大（>50 pg）的蝾螈快两到三倍。占进化的持续时间后，我们得出结论，最近进化的物种有相应的较小的基因组相比，较老的类群和随之而来的较高的突变率和进化。
2013-09-03 q-bio.GN q-bio.PE
Gene clusters reflecting macrodomain structure respond to nucleoid perturbations
聚焦于DNA桥接类核蛋白Fis和H-NS，并整合几个独立的实验和生物信息学数据来源，我们研究染色体空间组织和全球转录调控之间的联系。通过一种新的多尺度空间聚集分析，我们发现存在的连续簇的核苷酸扰动敏感基因沿基因组，其表达的拓扑DNA状态和核苷酸成形蛋白质占用的组合的影响。这些簇与基因组的宏域结构相关性很好。其中最重要的对称地躺在边缘的ter宏域，并涉及所有的鞭毛和趋化性机械，除了生物膜形成的关键调节剂，这表明由类核蛋白的染色体的物理状态的调节中起着重要的作用，在协调转录反应，导致之间的切换能动性和生物膜的生活方式。
2010-11-04 q-bio.GN q-bio.MN q-bio.QM
The Mitochondrial Genome of Cathaya argyrophylla Reaches 18.99 Mb: Analysis of Super-Large Mitochondrial Genomes in Pinaceae
Hunan University of Arts and Science（湖南文理学院）；Chinese Medicine Research Institute of Beijing Tcmages Pharmaceutical Co., Ltd.（北京同仁堂制药有限公司中药研究所）；College of Forestry, Central South University of Forestry and Technology（中南林业科技大学林学院）；Huaihua University（怀化学院）；Hunan Normal University（湖南师范大学）
研究揭示石蒜属线粒体基因组达18.99 Mb，通过比较分析发现其超大基因组可能由重复序列、转座子活性及叶绿体序列整合等多重因素共同作用形成。
2024-10-09 q-bio.GN
The status of the human gene catalogue
自2001年人类基因组草图发表以来，科学家们一直试图识别人类基因组中的所有基因。在此期间的几年里，在识别蛋白质编码基因方面取得了很大进展，估计数量已经减少到不到20，000个，尽管不同的蛋白质编码异构体的数量急剧增加。高通量RNA测序的发明和其他技术的突破导致了已报道的非编码RNA基因数量的爆炸式增长，尽管它们中的大多数还没有任何已知的功能。最新进展的结合为确定这些功能并最终完成人类基因目录提供了一条道路。然而，在我们有一个通用的注释标准之前，还有很多工作要做，该标准包括所有具有医学意义的基因，保持它们与不同参考基因组的关系，并描述临床相关的遗传变异。
2023-03-24 q-bio.GN q-bio.QM
Graph-based data integration predicts long-range regulatory interactions across the human genome
基因表达的转录调控是影响细胞从单组基因多样化的主要过程之一。调控蛋白通常与位于基因转录起始位点（TSS）远端的DNA区域相互作用。我们开发了一种计算方法，结合开放的染色质和基因表达信息的大量细胞类型，以确定这些远端调控元件。我们的方法为公开可用的DNase-seq和外显子阵列数据集与匹配样本构建相关图，并使用基于图的方法来过滤多个数据集支持的结果并去除间接相互作用。由此产生的一组相互作用进行了验证与轶事信息的已知的远程相互作用和无偏的实验数据推导出Hi-C和CAGE实验。我们的研究结果提供了一组新的高置信度的候选开放染色质区域参与基因调控，往往位于几个Mb远离其靶基因的TSS。
2014-04-29 q-bio.GN
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
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
Nucleosome positioning and energetics: Recent advances in genomic and computational studies
染色质是DNA、RNA和蛋白质的复合物，其主要功能是将基因组DNA包装到细胞核的紧密范围内。染色质的基本重复单位是核小体，核小体是组蛋白的八聚体，147个碱基对的DNA以几乎两圈的左旋超螺旋缠绕在核小体周围。染色质是一种动态结构，对基因表达和其他细胞功能的调节有着深远的影响。通过优化整个基因组的核小体位置以及通过响应各种外部和内部信号（例如环境扰动）重塑核小体来促进这些染色质指导的过程。在这里，我们讨论了大规模的地图，核小体的立场，通过最近的进展，并行高通量测序和微阵列技术。我们表明，这些地图揭示了核小体组织在真核生物基因组的共同特点。我们还调查了计算模型，旨在预测核小体形成分数或能量，并展示了如何这些预测可以用来定位多个核小体的基因组上没有空间重叠。
2009-12-20 cond-mat.soft q-bio.BM q-bio.GN
