Protein-to-genome alignment with miniprot

通过深度学习建模剪接位点改进剪接比对

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。

蛋白质大小和基因组

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。

蛋白质结构域基因组水平进化的普适特征

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。

蛋白质结构域基因组水平复制-创新-丢失模型的平均场方法

Mean-field methods in evolutionary duplication-innovation-loss models for the genome-level repertoire of protein domains

我们提出了一个组合的平均场和模拟方法来描述不同的模型的动态元素，可以出现，消失或复制自己形成的类。这些模型与被称为中国餐馆过程的范式复制创新模型相关，旨在重现在所有已知物种的蛋白质结构域的全基因组库中观察到的缩放行为。鉴于这些数据，我们讨论了定性和定量的差异的替代模型配方，特别侧重于元素损失和经验域类的特异性的作用。

真核生物前起始复合物的全基因组结构受非共有蛋白-DNA结合的影响

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。

基因组景观和噬菌体密码子使用

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。

非特异性蛋白质-DNA结合在酵母基因组中广泛存在

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。

PGA：一个基于最大似然进化分析的基因组注释程序

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。

MicroFuse：用于微生物启动子推理的蛋白质到基因组专家融合

MicroFuse: Protein-to-Genome Expert Fusion for Microbial Operon Reasoning

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。

人类基因组和药物发现十年后。道路（仍然）未采取

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。

细菌基因组中的家族特异性标度律

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。

利用人类蛋白质复合物的基因组规模同源性模型预测非中性错义突变及其生化后果

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。

线粒体DNA缺失引起的线粒体蛋白质组改变：蛋白质组学观点

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。

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

As the infection of 2019-nCoV coronavirus is quickly developing into a global pneumonia epidemic, careful analysis of its transmission and cellular mechanisms is sorely needed. In this report, we re-analyzed the computational approaches and findings presented in two recent manuscripts by Ji et al. (https://doi.org/10.1002/jmv.25682) and by Pradhan et al. (https://doi.org/10.1101/2020.01.30.927871), which concluded that snakes are the intermediate hosts of 2019-nCoV and that the 2019-nCoV spike protein insertions shared a unique similarity to HIV-1. Results from our re-implementation of the ana…

蛋白质结构域作为遗传转移的单位

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。

为什么高表达蛋白进化缓慢

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。

嗜热适应的蛋白质和DNA序列决定因子

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。

Requirements for DNA-bridging proteins to act as topological barriers of the bacterial genome

Bacterial genomes have been shown to be partitioned into several kilobases long chromosomal domains that are topologically independent from each other, meaning that change of DNA superhelicity in one domain does not propagate to neighbors. Both in vivo and in vitro experiments have been performed to question the nature of the topological barriers at play, leading to several predictions on possible molecular actors. Here, we address the question of topological barriers using polymer models of supercoiled DNA chains. More specifically, we determine under which conditions DNA-bridging proteins ma…

生物学复杂性的增加与非蛋白质编码DNA序列的相对全基因组扩增呈正相关

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。

酵母全基因组复制事件后蛋白质结构域结构的一致性和差异性

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。

同源蛋白质氨基酸序列同源性直方图的蛋白质组进化参数

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。

天花病毒感染过程中的转录相互作用及早期感染生物标志物的鉴定

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。

探索基因内容的泛基因组图

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。

利用生物信息学数据和聚合物模型预测哺乳动物基因组顺式调控区的三维折叠

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。

人类蛋白质编码互补物的萎缩：现在的基因少于20，000个吗？

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。

基因组的拓扑序列分析：范畴论方法

Topological Sequence Analysis of Genomes: Category theory Approaches

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。

Structural analysis of SARS-CoV-2 and prediction of the human interactome

Specific elements of viral genomes regulate interactions within host cells. Here, we calculated the secondary structure content of >2500 coronaviruses and computed >100000 human protein interactions with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). We found that the 3 and 5 prime ends are the most structured elements in the viral genome and the 5 prime end has the strongest propensity to associate with human proteins. The domain encompassing nucleotides 23000-24000 is highly conserved both at the sequence and structural level, while the region upstream varies significantly. Th…

核小体定位和能量学：基因组学和计算研究的最新进展

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。

SCOPE：基于功能序列表示和分类的Siamese对比运算子嵌入

SCOPE: Siamese Contrastive Operon Pair Embeddings for Functional Sequence Representation and Classification

本文提出SCOPE方法，利用Siamese MLP在融合嵌入空间中学习分类器，通过蛋白质语言模型嵌入实现运算子对的分类，取得0.71的ROC-AUC成绩，表明该方法在微生物基因组中的应用潜力。