Hidden breakpoints in genome alignments
在进化过程中,生物体的基因组可以经历影响基因组大规模结构的变化。这些变化包括基因获得、丢失、复制、染色体融合、分裂和重排。当基因获得和丢失除了发生其他类型的重排,重排的断点可以存在,只能通过比较三个或更多个基因组检测。任意数量的这些“隐藏”断点可以存在于在成对比较中没有表现出重排的基因组中。我们提出了一个扩展的多染色体断点中位数问题的基因组,经历了基因的获得和损失。然后,我们证明了三个基因组之间的中位数距离可以用来计算存在的隐藏断点的数量的下限。我们提供了这种计算的实现,包括中值距离,以及底层算法的时间复杂度的一些实际改进。我们应用我们的方法来衡量丰富的隐藏断点在模拟数据集下的广泛的进化场景。我们表明,在模拟中的隐藏断点计数强烈依赖于相对速率的反转和基因的增益/损失。最后,我们将当前的多个基因组比对的模拟基因组,并表明,所有的比对引入了高度的错误隐藏断点计数,这种错误的增长与进化的距离在模拟。我们的研究结果表明,隐藏的断点错误可能是普遍的基因组比对。
2012-07-30 q-bio.GN
Gene silencing and large-scale domain structure of the E. coli genome
H-NS染色体组织蛋白在E.大肠杆菌可以稳定基因组DNA环,并形成与基因表达抑制有关的寡聚体结构。受染色体组织、蛋白质结合和基因表达之间的联系的启发,我们分析了各种来源的公开可用的基因组数据集,从全基因组蛋白质结合谱到进化信息,探索染色体组织、基因沉默、假基因定位和水平基因转移之间的联系。我们报告存在的转录沉默的连续区域对应的大区域的H-NS蛋白结合沿基因组,其位置表明可能与已知的大规模的染色体组织的功能。
2012-09-28 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
GEMINI: integrative exploration of genetic variation and genome annotations
现代DNA测序技术使遗传学家能够快速识别许多人类基因组中的遗传变异。然而,分离疾病背后的少数变异仍然是医学遗传学的一个重要但艰巨的挑战。我们开发了GEMINI(GEnome MINIng),这是一个灵活的软件包,用于探索各种形式的人类遗传变异。与现有的工具不同,GEMINI将遗传变异与一组多样化和灵活的基因组注释(例如,dbSNP、ENCODE、UCSC、ClinVar、KEGG)整合到统一的数据库中,以便于解释和数据探索。虽然其他方法提供了一套不灵活的变体过滤器或变体优先级排序方法,但GEMINI允许研究人员根据样本基因型,遗传模式以及预安装和自定义基因组注释组成复杂的查询。GEMINI还提供了用于特殊查询和数据探索的方法,用于利用底层数据库进行自定义分析的简单编程接口,以及用于常见分析的命令行和图形工具。我们展示了GEMINI在探索个人基因组和基于家庭的遗传研究中的变异的实用性,并说明了其扩展到涉及数千个人类样本的研究的能力。GEMINI的设计具有可重复性和灵活性,我们的目标是为研究人员提供医学基因组学的标准框架。
2013-04-18 q-bio.GN
Evidence-based gene models for structural and functional annotations of the oil palm genome
快速而廉价的DNA测序的出现导致了等待转化为有关基因组组织和功能的知识的数据爆炸。基因预测通常是基因组分析的起点。本文介绍了油棕基因组的生物信息学研究,包括比较基因组学分析,数据库和工具的开发,和挖掘的生物学数据感兴趣的基因。我们已经注释了从两个独立的基因预测管道Fgenesh++和Seqping整合的26,059个油棕基因。与2013年发布的初步注释相比,这一综合注释是一项重大改进。我们对无内含子、抗性和脂肪酸生物合成基因进行了综合分析,并证明了目前基因组注释的高质量。在油棕基因组中发现了3,658个无内含子基因,这是进化研究的重要资源。对油棕基因的进一步分析揭示了210个参与病原体防御的候选抗性基因。脂肪酸具有从食品到工业原料的多种应用,我们确定了42个参与油棕脂肪酸生物合成的关键基因。这些结果为植物基因组研究提供了重要的资源,也为油棕及相关作物的分子标记辅助育种提供了理论基础。
2017-04-05 q-bio.GN
Statistical analysis of the distribution of amino acids in Borrelia burgdorferi genome under different genetic codes
遗传密码被认为是通用的。为了检验编码细菌基因组的某些统计特性是否是遗传密码的固有特性所致,我们比较了在不同遗传密码下,从伯氏疏螺旋体基因组翻译蛋白质编码区获得的序列中氨基酸距离分布的自相关函数、标度特性和最大熵。总的来说,我们的研究结果表明,这些属性是非常稳定的扰动所作出的改变遗传密码。我们还讨论了目前的研究结果的进化可能的影响。
2004-03-22 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
Relation between Insertion Sequences and Genome Rearrangements in Pseudomonas aeruginosa
微生物基因组在进化过程中,其长度、基因顺序和基因含量都发生了不同程度的变化。研究这些结构重排有助于了解基因组如何随着时间的推移而改变。在基因组重排中起重要作用的元件称为插入序列(insertion sequences,IS),它们是广泛分布于原核生物基因组中的最简单的转座元件(transposable element,TE)。IS可以被定义为具有将自身移动(剪切和粘贴)到同一染色体内的另一个位置或不移动的能力的DNA片段。由于它们的移动能力,它们通常被认为是这些基因组重组中的一些的负责人。本研究工作的作者考虑到这一点,通过检查插入序列(IS)和基因组重排之间的关系是否可以找到。为了实现这一目标,首先设计了一个新的管道,结合各种工具,用于检测属于每个IS类别的ORF的分布。其次,这些预测的IS和观察到的两个密切的基因组重排之间的联系进行了调查,通过肉眼看到他们,并通过使用计算方法。在18个铜绿假单胞菌全基因组上进行了验证,结果表明IS3插入序列家族与基因组倒位有关。
2017-06-25 q-bio.GN
In Silico Genome-Genome Hybridization Values Accurately and Precisely Predict Empirical DNA-DNA Hybridization Values for Classifying Prokaryotes
近50年来,微生物学家一直通过核酸再结合动力学来确定原核基因组的相关性。然而,这些方法在技术上具有挑战性,难以复制,并且-考虑到生成单个数据点所需的时间和资源-不具有成本效益。在后基因组时代,测序全原核基因组的成本不再是限制因素,我们认为,计算预测的输出值从传统的DNA-DNA杂交实验使用全基因组序列的成对比较是有价值的。虽然存在其他计算全基因组分类方法,但它们在与DNA-DNA杂交不同的尺度上预测值,为定义微生物物种的多相方法引入了另一个度量。我们的目标是开发一种基于计算机模拟BLAST的管道,该管道将以高水平的确定性预测基于湿实验室的DNA-DNA杂交值的值。在这里,我们报告一个这样的方法,产生的估计是准确和精确的DNA-DNA杂交值,他们的目的是模仿。
2012-02-23 q-bio.GN
Evidence for abundant transcription of non-coding regions in the Saccharomyces cerevisiae genome
背景资料:最近在越来越多的生物体中进行的研究已经产生了越来越多的证据,表明基因组中非编码区的很大一部分是转录的。我们解决这个问题,在酵母酿酒酵母。结果如下:考虑到没有一个显着大的酵母EST数据库,我们使用微阵列表达数据收集的基因组区域被错误地认为是编码研究非编码区的表达模式的酿酒酵母基因组。我们发现,在589个这样的区域中,至少有164个(28%)在特定的生物条件下表达。特别是,观察位于相同基因组位点上与其他已知基因相对的探针,我们发现这些基因中的341个中有88个(26%)支持反义转录。这些反义基因的表达模式呈正相关。我们使用RT-PCR对6个非编码转录本的样品验证这些结果。结论:1.酵母基因组转录的规模比以前假设的要大。2.酵母基因组中存在大量的反义基因的相关转录。3.酵母中的反义基因是非编码基因。
2005-06-16 q-bio.GN
Unified theory of human genome reveals a constrained spatial chromosomal arrangement in interphase nuclei
我们研究了人类细胞核中46条染色体(46,XY)的密集非随机排列。在这里,我们通过统一基因组中所有染色体对的内在参数(染色体长度和基因数量)来模拟系统级染色体串扰,以获得称为有效基因密度的外在参数。在有效基因密度空间的层次聚类和潜在的退化揭示了系统级的限制,以前未知的染色体簇的空间排列。我们的研究结果证实了实验数据的空间染色体排列在人类细胞核,从成纤维细胞和淋巴细胞系,从而建立人类基因组约束染色体排列。我们建议,这个统一的理论,这不需要额外的实验输入,可以扩展到其他真核生物的注释基因组推断其约束自组织的染色体空间排列。
2015-10-19 q-bio.GN
Fragment Path Complex Networks for Viral Genome Classification
University of Georgia(佐治亚大学)
提出片段路径复形网络(FPCN),将病毒基因组表示为有序片段序列并建模片段间复杂关系,在NCBI基准上取得更高分类准确率,并能泛化到新基因组。
2026-10-01 q-bio.GN
Annotation of protein-coding genes in 49 diatom genomes from the Bacillariophyta clade
本研究对49种硅藻物种的基因组组装进行蛋白质编码基因注释,使用BRAKER2/3、BUSCO和EnTAP等工具确保高质量,丰富了硅藻基因组工具包,促进未来生物学、生态学和进化研究。
2024-10-11 q-bio.GN
Genome-wide EST data mining approaches to resolving incongruence of molecular phylogenies
利用最大简约法,6种植物的36个单基因推断出18株独特树。这种不一致性是一个重要的问题,如何重建全等树仍然是分子遗传学的最大挑战之一。为了解决这一问题,本文从GenBank中检索了6种绿色植物的144个共有基因的EST数据,系统地研究了全基因组EST数据挖掘方法。结果表明,当使用144个基因时,级联比对方法克服了单基因间的不一致性,并成功地重建了6个物种的全等树,每个分支的支持度为100%。正确分支的刀切支持度随基因数的增加而线性增加,而错误分支的刀切支持度也随基因数的增加而线性增加。为了推断全等树,需要至少30个基因。这一方法可能为解决两族冲突提供潜在的力量。关键词:全基因组;数据挖掘; EST;系统发育;同源树;刀切支持;植物。
2007-01-17 q-bio.GN
Investigating the genomic background of CRISPR-Cas genomes for CRISPR-based antimicrobials
CRISPR-Cas系统是一种适应性免疫,可保护原核生物免受外来遗传因子的影响。在过去的感染事件中获得的遗传模板使DNA相互作用酶能够识别外来DNA并进行破坏。由于这些遗传模板的可编程性和特异性,CRISPR-Cas系统是潜在的替代抗生素,可以被工程化以自靶向染色体或质粒上的抗微生物剂抗性基因。然而,一些基本问题仍然存在,以重新利用这些工具来对抗耐药细菌。对于内源性CRISPR-Cas自我靶向,抗微生物剂抗性基因和功能性CRISPR-Cas系统必须在靶细胞中共存。此外,这些工具必须胜过响应Cas蛋白的核酸酶活性的DNA修复途径,即使对于外源性CRISPR-Cas递送也是如此。在这里,我们对CRISPR-Cas基因组进行了全面的调查。首先,我们解决了CRISPR-Cas系统和CRISPR-Cas基因组中抗菌素耐药基因的共同出现。我们发现这些基因的平均数量因CRISPR-Cas类型而异,一些CRISPR-Cas类型(IE和IIIA)每个基因组有超过20个基因。接下来,我们研究了这些CRISPR-Cas基因组的DNA修复途径,揭示了这些途径的多样性和频率因CRISPR-Cas类型而异。CRISPR-Cas系统和DNA修复途径之间的相互作用对于在CRISPR阵列中获得新的间隔区至关重要。我们进行模拟研究,以证明这些DNA修复途径的效率可以从CRISPR重复序列的RNA结构中的时间序列模式推…
2022-02-15 q-bio.GN
Maximum-frequency gene tree: a simplified genome-scale approach to overcoming incongruence in molecular phylogenies
基因组和基因在进化过程中多样化;然而,目前还不清楚基因在多大程度上仍然保留物种之间的关系。分子系统发育研究的模式物种包括基因组测序的酵母和病毒,以及具有化石支持的真实系统发育树的植物。在这项研究中,我们生成的单基因树的7个酵母物种,以及单基因树的9个杆状病毒物种之间的所有正交基因比较。利用7种已知植物中的同源基因进行验证。四个算法:最大简约,最小进化,最大似然,和邻居加入,被使用。在对基因间DNA和蛋白质序列长度进行加权之前和之后重建树。很少有一个基因总是能通过所有四种算法生成“真树”。然而,最常见的基因树,称为“最大基因支持树”(MGS树,或加权的WMGS树),在酵母,杆状病毒,或植物中被一致地发现是“真正的树”的物种。这些结果揭示了所分析的基因组中直向基因的总体分化程度,并表明:1)所研究的物种之间的真正亲缘关系仍然是由最大的直向基因组所维持的:2)遗传上较近的物种之间通常有更多的直向基因具有较高的相似性,而遗传上较远的物种之间通常有更多的直向基因具有较高的相似性; 3)最大基因支持树反映了物种间的系统发育关系。关键词:基因组,基因进化,分子遗传学,真树
2008-06-07 q-bio.GN
Progressive Mauve: Multiple alignment of genomes with gene flux and rearrangement
多基因组比对仍然是一个具有挑战性的问题。重组的影响包括重排、片段复制、获得和丢失,甚至在密切相关的生物体中也可以产生同源性的镶嵌模式。我们描述了一种方法来对齐两个或多个经历了大规模重组的基因组,特别是经历了大量基因获得和丢失(基因流)的基因组。该方法利用了一种新的比对客观评分,称为对断点评分之和。我们还应用概率比对过滤方法来去除不相关序列的错误比对,这在其他基因组比对方法中是常见的。我们描述了用于量化基因组比对准确性的新指标,其测量重排断点预测和插入缺失预测的质量。渐进式基因组比对算法在基因组经历了现实数量的基因组重排、基因获得、丢失和复制的情况下,显示出比以前的方法显著提高的准确性。我们应用渐进式基因组比对算法,一组23个完全测序的基因组从属大肠杆菌,志贺氏菌,沙门氏菌。23种肠杆菌的基因组保守区约为2.46Mbp,总的独特区约为15.2Mbp。我们记录了大量的人口水平的变异,这些生物体之间的同源重组,基因获得和基因丢失。实施所述基因组比对方法的免费开源软件可从http://gel.ahabs.wisc.edu/mauve获得。
2009-10-30 q-bio.BM q-bio.GN
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
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
More Mouldy Data: Another mycoplasma gene jumps the silicon barrier into the human genome
人类基因组序列数据库包含与霉菌支原体非常相似的DNA序列。看来这种霉菌不仅感染分子生物学实验室,而且被实验人员从污染的样本中提取出来,并插入基因库,就像它们是人类一样。至少有一个发霉的EST(表达序列标签)已从公共数据库转移到商业工具(Affyphidogram HG-U133加2.0微阵列)。我们报告了第二个例子(DA 466599),并建议有必要清理基因组数据库,但担心目前的工具将不足以捕捉已经跳过硅屏障的基因。
2011-06-21 q-bio.GN
Inference of gene loss rates after whole genome duplications at early vertebrates through ancient genome reconstructions
著名的2R假说最早是由大野进在1970年提出的。它指出,两个全基因组复制塑造了早期脊椎动物的基因组。2R假说最有说服力的证据来自4:1比例的染色体区域,与近缘物种相比,这些区域在脊椎动物中既保留了基因内容又保留了基因顺序。然而,由于缺乏这样严格的证据,2R假说仍处于争论之中。在这里,我们提出了一个系统发育和基因组同源性的综合观点,重新审视2R全基因组重复的假设。祖先脊椎动物基因组以及古老的复制事件是从17个现存的脊椎动物物种中创建的。从早期脊椎动物的复制事件中提取现存的后代,并重组为部分基因组。然后,我们检查了基因顺序的基础上的同线性,并投射回系统发育基因树检查重建的早期脊椎动物基因的同线性证据。我们确定了7877个祖先基因,这些基因是从早期脊椎动物的3026次重复事件中产生的,超过50%的重复事件显示出同线性的证据。因此,我们的重建为2R假设提供了非常有力的证据。我们还重建了早期脊椎动物的基因组,并建立了早期脊椎动物基因获得和丢失的模型。我们估计,2R之前的早期脊椎动物大约有12,000个基因,第一轮全基因组复制后随机基因丢失的概率约为0.45,第二轮全基因组复制后随机基因丢失的概率约为0.55。这项研究为2R假说提供了令人信服的证据,并可能为脊椎进化提供进一步的见解。数据提供:https://github.com/haimingt/Ohnologs-and-2R-WGD
2018-05-22 q-bio.GN q-bio.PE
Template-based eukaryotic genome editing directed by SviCas3
本文报道SviCas3是一种RNA和DNA双引导的内切酶,可实现高效的HDR定向真核基因组编辑,且DNA引导无需PAM基序,为基因编辑提供新工具。
2023-05-10 q-bio.GN
CRISPR SWAPnDROP -- A multifunctional system for genome editing and large-scale interspecies gene transfer
在生物技术、合成生物学和基础研究中对多种染色体修饰的需求要求开发新技术。通过CRISPR SWAPnDROP,我们将基因组编辑的限制扩展到细菌物种之间的大规模体内DNA转移。其模块化平台方法有助于物种特异性适应,以在各种物种中进行基因组编辑。在这项研究中,我们展示了CRISPR SWAPnDROP概念在模式生物大肠杆菌和目前增长最快且与生物技术相关的生物体产钠弧菌中的实施。我们证明了151kb的染色体DNA在E. coli菌株和E.大肠杆菌转化为产钠弧菌,而不需要大小限制性的中间DNA提取。随着E. coli MG 1655野生型乳糖操纵子的基础上,建立了产钠弧菌乳糖和半乳糖降解途径,以拓展产钠弧菌的生物技术谱。我们还转移了E。coli DH5 α lac操纵子,使产钠弧菌能够进行α-互补-这是朝着超快速克隆菌株迈出的一步。此外,CRISPR SWAPnDROP被设计成基因组工程的瑞士军刀。其应用范围包括无瘢痕、无标记、迭代和平行插入和缺失、基因组重排以及菌株间和物种间的基因转移。模块化的特点有利于DNA文库的应用和标准化部分的回收。其新颖的多色无疤痕共同选择系统显著提高了编辑效率,单次编辑效率达到92%,四次编辑效率达到83%,并在整个组装和编辑过程中提供视觉质量控制。
2021-11-23 q-bio.GN
DEMETER: Efficient simultaneous curation of genome-scale reconstructions guided by experimental data and refined gene annotations
动机:基因组规模重建的手动管理是费力的,然而现有的自动管理工具通常不考虑物种特异性实验数据和手动细化的基因组注释。结果如下:我们开发了DEMETER,这是COBRA的一个扩展,可以有效地同时优化数千个基因组规模的重建草案,同时确保遵守该领域的质量标准,与可用的实验数据一致,并根据手动优化的基因组注释优化途径。可用性:DEMETER和教程可在https://github.com/opencobra/cobratoolbox上获得。
2021-06-11 q-bio.GN q-bio.MN
Screening Genome Sequences for Known RNA Genes and Motifs
本文介绍了非编码RNA基因或RNA基序内的基因组序列的识别计算协议。提出了细菌小RNA的应用。
2015-12-22 q-bio.GN q-bio.QM
GenomeQA: Benchmarking General Large Language Models for Genome Sequence Understanding
Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The University of Hong Kong(香港大学);Peking University(北京大学)
GenomeQA旨在评估通用大型语言模型在基因组序列推理任务中的表现,包含5200个样本,涵盖六个任务家族,揭示模型在直接接触原始基因组序列时的表现。
2026-04-07 cs.CL q-bio.GN
A structural model of genome-wide association studies
一个结构遗传模型,结合现代理解的基因组和常见的做法,在全基因组关联研究数学推导。该模型显示了基因组结构的直接结果Halfestion图距离。遗传相关性的表达是根据模型推导出来的,并与BSB小鼠杂交产生的数据进行比较。一个相关性测试图介绍了这种比较,并显示了密切的协议的模型和实证结果。该图中值得注意的偏离表明需要进一步研究的区域。
2022-05-20 q-bio.GN stat.AP
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
Scaling laws in the functional content of genomes
随着测序的基因组数量现在超过100个,以及它们的大部分基因的粗略功能注释的可用性,研究基因组中基因含量的统计数据已经成为可能。在这里,我表明,对于许多高层次的功能类别,在类别中的基因数量的规模作为一个幂律在基因组中的基因总数。这种标度律的发生可以用一个简单的理论模型来解释,这个模型表明,所观察到的标度律的指数对应于进化过程的普适常数。我讨论了这些比例定律对我们理解生物体设计的一些影响。
2003-07-01 physics.bio-ph q-bio.GN
Towards a core genome: pairwise similarity searches on interspecific genomic data
基因保守现象是与物种形成和适应有关的一个有趣的进化问题。保守基因在进化中以一种保持其功能的方式起作用,尽管周围发生了其他结构和功能变化。最近可用的全基因组数据,从密切相关的物种,使我们能够测试的假设,一个核心基因组存在于一个假设的共同祖先是继承的所有姐妹类群。此外,这个核心基因组应该发挥重要的功能,如遗传调控和细胞修复。从三株细菌(希瓦氏菌属)的全基因组序列。在本分析中使用。将每个鉴定和推定基因的开放阅读框(ORF)用于每个基因组。对所有三个基因组进行了相互Blast搜索,将数千个基因的列表提炼为68个在分类群中相同的基因。基于功能注释,这些基因被鉴定为管家基因,证实了最初的假设。这种方法也可以用于真核生物,特别是人类,黑猩猩和猕猴之间的关系。
2008-07-21 q-bio.GN 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
Reliable reconstruction of HIV-1 whole genome haplotypes reveals clonal interference and genetic hitchhiking among immune escape variants
在传播之后,HIV-1会演变成一个多样化的群体,下一代测序使我们能够检测到低频率发生的变异。迄今为止,在全基因组水平上研究病毒进化是不可能的,因为下一代测序提供相对较短的读数。我们在这里提供了一个原理证明,即整个HIV-1基因组可以从短读段可靠地重建,并使用它来研究在全基因组单倍型水平上选择免疫逃逸突变。使用逼真的模拟HIV-1人群,我们证明了重建完整的基因组单倍型是可行的高保真。我们并不重建所有遗传上不同的基因组,但每个重建的单倍型代表了HIV-1人群中的一个或多个准种。然后,我们从单个HIV-1感染患者纵向采样的已发表的短序列读取中重建了30个全基因组单倍型。我们通过验证我们预测的单倍型基因与单基因组扩增序列,并通过比较单倍型频率与观察到的表位逃逸频率,确认重建的可靠性。系统发育分析表明,HIV-1群体经历了选择驱动的进化,病毒群体被新的优势毒株连续取代。我们证明了免疫逃逸突变体以依赖的方式进化,各种突变与其他突变一起搭车。由于这种克隆干扰,选择系数必须估计完整的单倍型,而不是个人的免疫逃逸。
2013-09-26 q-bio.GN q-bio.PE
The 3D genome shapes the regulatory code of developmental genes
我们重新审视的概念,基因调控代码在胚胎发育中的基因组空间组织的最新研究结果。通过与遗传密码的类比,我们认为,只有当相应的衔接子能够被清楚地识别时,才能使用密码的概念。适配器在这里被定义为以无偿和可进化的方式调解码字和对象之间的对应关系的中间物理实体。在基因调控密码的上下文中,编码的对象是基因表达水平,而细胞核中特定转录因子的浓度提供了代码。代码的概念是有意义的,在没有直接的物理化学关系的对象和码字,当中介的适配器是必需的。我们建议,一个合理的适配器为这个代码是基因结构域,即,基因组区段划定的拓扑绝缘子,并包括基因及其增强子调控序列。我们回顾了最近的证据,基于全基因组染色体构象捕获实验,表明在后生动物基因组中发现的优先接触域是基因域的物理痕迹。因此,基因组3D折叠在形成发育基因调控密码中起直接作用。
2019-11-12 physics.bio-ph q-bio.GN
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。
2015-02-12 q-bio.GN stat.AP
Scaling laws in the functional content of genomes: Fundamental constants of evolution?
随着全序列基因组的数量现在远远超过100个,已经有可能开始调查基因组的遗传组成中是否存在任何定量的差异。在(physics/0307001)中,我最初表明,不同功能类别的基因数量在基因组中的基因总数中按幂律缩放。在本章中,我将用最近的数据重新审视这些结果,并深入探讨这些标度律对我们理解细胞调控设计的意义。此外,我进一步发展的进化模型(physics/0307001)中首次提出的,这表明所观察到的标度律的指数对应于进化过程的基本常数。特别是,我提出了一个假设,调节和信号转导基因与基因组大小的近似二次缩放。
2004-05-26 q-bio.GN q-bio.MN
Phase transition in the genome evolution favours non-random distribution of genes on chromosomes
我们已经使用基于Monte Carlo的计算机模型表明,选择压力可以影响重组热点沿染色体的分布。在接近临界交换率时,基因组可能会在达尔文的纯化选择或单倍型互补之间切换,重组事件的分布和施加在基因上的选择力会影响染色体的结构。基因的表达顺序及其在染色体上的位置可能决定竞争种群的灭绝或生存。
2009-01-08 q-bio.GN q-bio.PE
Revealing the Shape of Genome Space via K-mer Topology
本文提出K-mer拓扑方法,利用持久拉普拉斯算子揭示基因组空间的拓扑形状,并定义拓扑遗传距离构建系统发育树,在多种病毒和细菌基因组基准数据集上显著优于现有方法,可应用于病毒疫苗设计。
2024-12-28 math.AT q-bio.GN
Segmentation and genome annotation algorithms
Simon Fraser University(西蒙弗雷泽大学);University of Toronto(多伦多大学);Princess Margaret Cancer Centre(玛格丽特公主癌症中心);Vector Institute for Artificial Intelligence(矢量人工智能研究所)
分割和基因组注释(SAGA)算法被广泛用于理解基因组活动和基因调控。这些算法将表观基因组数据集作为输入,例如组蛋白修饰或转录因子结合的染色质免疫沉淀测序(ChIP-seq)测量。他们划分基因组并为每个片段分配标签,使得具有相同标签的位置表现出相似的输入数据模式。SAGA算法发现活性的类别,如启动子,增强子,或部分基因,而无需已知基因组元件的先验知识。从这个意义上说,它们通常以无监督的方式起作用,就像聚类算法一样,但同时具有分割基因组的额外功能。在这里,我们回顾了这些方法的共同方法框架,回顾了这个基本框架的变体和改进,对现有的大规模参考注释进行了编目,并讨论了未来工作的前景。
2021-01-03 cs.LG 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
Whole Genome Transformer for Gene Interaction Effects in Microbiome Habitat Specificity
Technical University of Munich(慕尼黑工业大学);Helmholtz Munich(亥姆霍兹慕尼黑中心);Technical University of Vienna(维也纳技术大学);Max Planck Institute for Biology(马克斯·普朗克生物研究所)
提出基于大模型基因向量化的全基因组Transformer框架,预测微生物生境特异性并利用归因技术揭示驱动环境适应的基因交互效应,成功恢复已知网络并提供新候选目标。
2025-03-03 cs.LG q-bio.GN
Network Based Approach to Gene Prioritization at Genome-Wide Association Study Loci
动机:全基因组关联研究(GWAS)已经成功地识别出数千个复杂性状和疾病的遗传风险位点。这些GWAS基因座中的大多数位于基因组的调控区,并且每个GWAS风险基因座发挥其作用的基因并不总是清楚的。已经提出了许多利用生物学数据来源的计算方法来鉴定GWAS基因座处的推定因果基因;然而,这些方法可以改进。结果如下:我们提出了一种密集的模块搜索方法,通过将来自GWAS数据的关联信号整合到基因共调控网络中来生成候选子网络,来识别GWAS位点的推定因果基因。我们采用我们的方法在慢性阻塞性肺疾病GWAS。我们进行了广泛的,比较研究的最大化方法的性能对既定的基线。
2022-10-28 q-bio.GN q-bio.QM
Multi-megabase scale genome interpretation with genetic language models
GSK plc(葛兰素史克公司);Max Planck Institute for Intelligent Systems(马克斯·普朗克智能系统研究所);ELLIS Institute(欧洲学习与智能系统研究所);Harvard Medical School(哈佛医学院);ETH Zurich(苏黎世联邦理工学院);Nuffield Department of Population Health, University of Oxford(牛津大学纳菲尔德人口健康系)
本研究提出多尺度遗传语言模型Phenformer,可基于最长8800万碱基对的DNA序列生成疾病相关机制假设,在15万余人全基因组数据上验证其表现优于现有方法,还能提升疾病风险预测性能与人群泛化能力。
2025-01-13 cs.LG q-bio.GN
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
Genome-wide Causation Studies of Complex Diseases
尽管通过全基因组关联研究(GWAS)在剖析复杂疾病的遗传结构方面取得了重大进展,但是通过关联分析鉴定的信号可能与疾病没有特定的病理学相关性,使得大部分引起疾病的遗传变异仍然被隐藏。关联用来衡量两个变量或两组变量之间的依赖性。全基因组关联研究测试疾病与整个基因组的SNP(或其他遗传变异)之间的关联。关联分析可以检测疾病和遗传变异之间的表面模式。关联信号对疾病的因果机制提供的信息有限。使用关联分析作为复杂疾病遗传研究的主要分析平台是阻碍发现疾病机制的一个关键问题,这使人们对GWAS识别潜在疾病基因座的能力提出了质疑。现在是时候超越关联分析,转向能够发现复杂疾病的潜在因果遗传结构的技术。为了实现这一目标,我们提出了一个全基因组因果关系研究(GWCS)的概念,作为GWAS的替代方案,并开发加性噪声模型(ANMs)的遗传因果关系分析。I型错误率和电源的ANMs测试的因果关系。我们对精神分裂症进行全球加权评分。仿真和实际数据分析表明,重叠的关联和因果信号的比例很小。因此,我们希望我们的分析将激发对GWAS和GWCS的讨论。
2019-07-17 q-bio.GN stat.AP
Joint Inference of Genome Structure and Content in Heterogeneous Tumour Samples
对于基因组不稳定的癌症,单个肿瘤活检通常包含竞争性肿瘤克隆的混合物。这些肿瘤克隆通常在基因组内容(每个基因的拷贝数)和结构(每个染色体上基因的顺序)方面有所不同。现代批量基因组测序混合了肿瘤克隆和污染正常细胞的信号,使基因组内容和结构的推断复杂化。我们提出了一种方法来分解肿瘤和污染的正常信号,并共同预测每个肿瘤克隆的基因组结构和内容。我们使用基因组图来表示肿瘤克隆,并对给定克隆和混合比例的观察到的读数的可能性进行建模。我们使用单倍型块允许我们准确地测量等位基因特异性读段计数,并推断每个克隆的等位基因特异性拷贝数。所提出的方法是一种启发式局部搜索的基础上应用增量,局部最优修改的基因组图。使用模拟数据,我们表明,我们的方法预测拷贝数和基因邻接合理的准确性。
2015-04-24 cs.CE 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
Network Structure and Dynamics, and Emergence of Robustness by Stabilizing Selection in an Artificial Genome
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。在这项工作中,我们在最初由Reil引入的人工基因组模型中研究了这些特性。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,对单碱基突变的鲁棒性,以及对初始网络状态的随机变化,模仿环境条件下的随机波动,可以并行出现。进化的基因组在序列和网络水平上都表现出特征模式。
2008-04-30 cond-mat.dis-nn cs.NE q-bio.GN
Understanding genomic alterations in cancer genomes using an integrative network approach
近年来,癌症基因组测序和癌症基因组的其他高通量研究已经产生了许多值得注意的发现。本文就染色体危机和突变风暴等基因组变异的新机制及其与癌症的关系作一综述。基因组改变刺激癌症基因组进化。因此,肿瘤克隆进化与肿瘤干细胞之间的关系进行了评论。癌症生物学的关键问题是这些基因组改变如何在生物功能的背景下支持癌症的发展和转移。到目前为止,诸如途径分析的努力已经提高了对基因突变和DNA拷贝数变异对癌症发展、进展和转移的功能贡献的理解。然而,已知的途径对应于一小部分(可能是5- 10%)体细胞突变和拷贝数改变的基因。为了全面了解这些基因组改变在癌症中的功能,提出并讨论了一个综合网络框架。最后,对利用综合网络方法研究癌症组学数据的挑战和方向进行了评论。
2014-09-10 q-bio.GN q-bio.MN
Joint scaling laws in functional and evolutionary categories in prokaryotic genomes
我们提出并研究了一个类扩展/创新/损失模型的基因组进化考虑到基因及其组成域的生物学作用。在我们的模型中,不同功能类别的基因数量是相互耦合的。例如,基因组中代谢酶数量的增加通常伴随着调节这些酶的新转录因子的增加。这种偶联可以被认为是基因组组成的比例“配方”,即“每个蛋黄一勺糖”。该模型共同再现了两个已知的经验法则:家族大小的分布和某些功能类别(例如转录因子)中基因数量与基因组大小的非线性缩放。此外,它使我们能够得到一个新的指数之间的关系,这两个标度律的特点,建立一个直接的定量进化和功能类别之间的联系。它预测,功能类别的增长快于线性基因组大小的特点是平坦的家庭大小分布。我们对原核生物基因组的生物信息学分析证实了这种关系。这证明了功能类和进化类的联合数量趋势可以用比例配方的进化增长来理解。
2011-08-09 q-bio.GN q-bio.MN q-bio.QM
High Performance Multiple Sequence Alignment Algorithms for Comparison of Microbial Genomes
针对微生物基因组多序列全局比对,本文提出按分区依赖并行切分动态规划超立方评分张量的索引方案,并在支原体 rpoB 基因序列上验证性能。
2023-11-29 cs.DC q-bio.GN
Genetic transfer in Staphylococcus: a case study of 13 genomes
葡萄球菌分离株中抗生素耐药性和毒力的广泛存在归因于不同菌株或种之间的横向遗传转移(LGT)。然而,很少有研究的葡萄球菌属的LGT的程度,使用系统发育的方法,特别是这种遗传转移的单位。在这里,我们报告了第一个系统的研究单位的遗传转移在13个葡萄球菌基因组,使用严格的系统发育的方法。我们发现在1354个同源基因家族中有26.1%的家族存在LGT,在另外17.9%的家族中可能更多。基因内转移和全基因转移对这些基因家族与参考基因的不一致性几乎有同样的贡献。比较单拷贝和多拷贝基因家族中的遗传转移,我们发现在基因内(片段)遗传转移的情况下几乎没有功能偏倚,但在全基因(非片段)遗传转移的情况下却存在大量功能偏倚,并且我们观察到多拷贝基因家族中LGT的频率较高。我们的研究结果表明,LGT和基因复制在葡萄球菌基因组功能创新的因素中起着重要作用。
2008-01-29 q-bio.GN q-bio.PE
Are there laws of genome evolution?
定量进化基因组学和系统生物学的研究发现了几个连接基因组和分子表型变量的通用变量。这些共性包括:同源基因进化速率的对数正态分布;各种生物网络中旁系同源家族规模和节点度的幂律分布;基因序列进化速率与表达水平之间的负相关性;基因功能类与基因组大小的差异标度。基因组进化的普遍性可以用简单的数学模型来解释,类似于统计物理学中使用的模型,比如出生-死亡-创新模型。这些模型没有明确纳入选择,因此,观察到的普遍性不似乎是由选择塑造,而是基因集合的涌现属性。虽然进化生物学的完整物理理论是不可想象的,但基因组进化的普遍性可能符合“进化基因组学定律”,就像现代物理学中理解的“定律”一样。
2011-08-17 q-bio.GN q-bio.MN q-bio.PE
An exploratory analysis of combined genome-wide SNP data from several recent studies
通过对全基因组SNP数据集进行聚类分析,评估了“全证据”方法对人类群体遗传学的有用性。该组合仅包含3146个SNP。然而,对这些结果的详细研究可以提取有关人类历史的相关线索,其中一些与第一次走出非洲的古老事件有关。研究结果与历史、语言学和先前的遗传分析结果基本一致。这些令人鼓舞的结果表明,交叉研究数据对抗有可能产生有趣的新假设,人类人口的历史。
2012-12-06 q-bio.GN q-bio.PE
Orthologs from maxmer sequence context
直向同源物的上下文依赖性鉴定通常依赖于保守的基因顺序或全基因组序列比对。这里表明,短距离上下文-短到单个最大匹配-也提供了一种有效的手段来识别整个基因组内的直系同源物。在原始的(未重复掩蔽的)哺乳动物全基因组组装上,我们进行基因组“交叉”,其通常消耗的计算时间少于全基因组比对常用方法所需的三十分之一,并且我们提取“非嵌入最大匹配”,即未嵌入到其他最大匹配中的最大匹配,作为潜在的直系同源物。通过非嵌入最大匹配鉴定的直系同源物类似于如先前文献中定义的“位置直系同源物”或“初级直系同源物”;此类直系同源物构成源自相同直接祖先的同源物,其在基因组中的祖先位置是保守的。在核苷酸水平上,非嵌入的最大匹配概括了由Lastz网络比对鉴定的最精确的匹配。在基因水平上,含有非嵌入最大匹配的基因的相互最佳命中以高选择性和高灵敏度恢复了由Ensembl Compara注释的一对一直系同源物;这些相互最佳命中另外包括在Ensembl中未发现的新直系同源物(例如,超过2000个人/黑猩猩)。该方法特别适用于直向同源物的全基因组鉴定。
2015-11-22 q-bio.GN q-bio.QM