序列比对

搜索
登录

序列比对

文章数：5篇

NMPFamsDB：来自微生物宏基因组和宏转录组的新型蛋白质家族数据库

近20年的宏基因组数据和宏基因组分析，仍然没有真正的分析透来自宏基因组本身的蛋白质家族，到目前为止，我们所知道的蛋白质家族中有很大一部分（约30%-50%）仍然没有任何已知的功能。近日，雅典国立和卡波迪斯蒂安大学研究人员在Nucleic Acids Research发表最新研究，构建了一个新型宏基因组蛋白家族的公开数据库（NMPFamsDB；https://bib.fleming.gr/NMPFamsDB），极大地扩展了目前参考基因组中已知蛋白质序列簇的数量，值得关注。

NMPFamsDB 蛋白质家族数据库研究论文基础研究序列比对

病原考古学

Nature：病原菌的前世今生（新闻）

每一个病原菌的发生和进化都有其特定的故事。而搞清楚这些故事，可以让我们充分理解病原菌的前世今生，对于理解病原菌和人类的共同进化具有重要的意义。这些内容正是考古生物学的研究热点。近期一篇发表在Nature上的评论讨论了近期基因组学技术进步对病原菌考古学的影响，对未来病原菌考古学提出了新的看法和观点。

病原考古学样品采集序列比对多专家合作基础研究

META基因分型分析

Cell子刊：有效应对微生物META基因型分析陷阱的策略

在微生物宏基因组研究中，基因多态性是对微生物群落进行分型、进化研究的主要序列特征。目前主要的研究手段是将获得的序列信息通过特定开发的算法软件与已有的基因组参考序列进行比对分析从而做出判断。然而，随着测序数据的海量增长，可对比数据库中参考基因信息越来越多，也越来越复杂，而二代测序获得短读序列在这种情况下进行序列比对，必然会导致把基于序列比对的分析方法的短板无限放大，降低META基因型分析工具的性能。近期一篇发表在Cell子刊，Cell System的研究论文就针对该情况进行了深入的比较研究，对不同错误来源对结果的影响进行了评价，进而评估了几种不同的策略，可以有效提升目前META基因型分析的性能。这些研究结果对未来微生物宏基因组研究具有一定的指导意义。

META基因分型分析序列比对对齐唯一性读取配对数据库自定义

图卷积网络(GCN)

香港城市大学：使用基于GCN的半监督学习预测原核病毒的宿主

在本研究中，香港城市大学孙燕妮团队提出了一个名为 HostG 的半监督学习模型，用于对新型病毒进行宿主预测。作者在模拟和真实测序数据上测试了 HostG，结果表明它优于最先进的流程。这项工作将有助于识别宏基因组数据中的病毒-宿主相互作用，并将扩展我们对新发现的病毒的理解。HostG 的源代码位于：https://github.com/KennthShang/HostG。

图卷积网络(GCN) 半监督学习模型原核病毒宿主预测序列比对

生物信息学工具

分析菌群基因水平转移的信息学工具

《Microbiome》近期发表的研究介绍了一种新的生物信息学分析工具——MetaCHIP，可以在不依赖于参考基因组的情况下，用于宏基因组测序数据分析，探索群落水平上的水平基因转移事件。

生物信息学工具基因水平转移 Bioinformatics HGT identification horizontal gene transfer