宏基因组数据

搜索
登录

宏基因组数据

文章数：10篇

菌株组成分析

国内团队：高分辨率细菌菌株识别工具

香港城市大学孙燕妮团队开发了StrainScan,其在细菌菌株识别方面的准确性和分辨率均优于其它测试的工具，该工具可为致病菌株检测，菌株水平物种与功能分析，不同研究或数据集之间的meta分析提供十分有价值的信息。StrainScan源码已公开在GitHub：https://github.com/liaoherui/StrainScan。

菌株组成分析宏基因组数据 k-mers 索引结构

新型RNA病毒

港城大开发新型RNA病毒的序列检测工具VirBot

本研究，作者开发了VirBot，这是一个简单而有效的RNA病毒识别工具，其基于蛋白质家族和相应的自适应比对分数阈值。作者在模拟和真实的测序数据上，对比测试了其他七种流行的病毒检测工具，VirBot在宏基因组数据集中显示出较高的精确率，在检测新型RNA病毒方面显示出卓越的灵敏度。并且作者在Github上提交了相关代码，使用指南，和测试数据， https://github.com/GreyGuoweiChen/RNA_virus_detector。

新型RNA病毒序列检测宏基因组数据蛋白家族数据库比对分数

Nature子刊：gutSMASH助力评估肠道菌群特定代谢潜力

肠道菌群可产生数百个小分子，其中许多参与调节宿主生理机能，虽然目前已经努力鉴定代谢产物的生物合成基因，但肠道菌群的化学输出主要由初级代谢产物组成。近日，荷兰瓦赫宁根大学、美国斯坦福大学研究团队，傅静远教授和陈连民教授作为共同作者，在Nature Biotechnology发表最新研究，开发了一种新工具gutSMASH（https://github.com/victoriapascal/gutsmash），通过预测肠道微生物组中已知的和新的代谢基因簇（MGC），系统地评估肠道菌群的代谢潜力，在4240个高质量基因组中共鉴定到近2万个代谢基因簇（MGC），gutSMASH还识别到不同菌属的能量捕获机制也存在显著的差异。此外，通过人群大队列验证，发现血液/粪便的菌群衍生代谢物水平与相应代谢基因的宏基因组丰度相关性很弱。总之，该工具不仅可以预测已知功能的MGC，还可以预测可能代表进一步实验表征的良好候选者的新型 MGC，值得测试。

gutSMASH 初级代谢产物研究论文基础研究代谢基因簇

宏基因组数据

对于宏基因组测序，数据测得越多越好？

在鸟枪法宏基因组测序 (SM) 中，处理大量数据需要密集的计算和磁盘存储空间，有研究报道浅层测序是解析SM数据分析有前途的途径，但缺乏使用真实数据的详细基准。近日，研究人员在Briefings in Bioinformatics发表最新研究，纳入1个测序量大的数据集（12232Gbp，912个中国人肠道样本）、和3个测序量较小的数据集包含南极极端自然环境SM数据集（523.16Gbp，18个样品）、农业土壤样本（202.09Gbp，72个样品）和一个含20个细菌基因组的模拟群落，使用迭代子采样策略对其进行处理，以确定在这些数据集中抽取更小子集是否可得出合理的生物学结论。对质控序列进行子采样，得到0.1M（相当于0.03G）、0.5M（0.14G）、1M（0. 27G）、4M（1.07G）、8M（2.14G）和12M（3.21G）个测序簇（每个测序簇代表两个150 bp的reads）。发现浅层SM测序是获得可靠微生物群落结构的可行途径，与低测序深度数据集相比，高测序深度数据集可发现罕见的分类群和功能，但不会影响整个生态结构。但对于组装MAGs，超深度测序和最大限度利用数据是有益的。

宏基因组数据测序深度研究论文基础研究数据量

宏基因组数据

农科院团队：用宏基因组指导未培养微生物的分离培养（综述）

宏基因组数据日益丰富，为指导靶标微生物的分离和培养带来了新的机遇。中国农科院王加启、赵圣国与团队近期在Microbiome发表文章，对利用宏基因组数据指导的微生物分离培养方法的研究进展进行了综述，介绍了基于宏基因组数据分离和靶向微生物培养的新方法及应用，主要包括特定培养条件的设计、特异性抗体捕获分离、靶向基因筛选分离等技术。通过未培养微生物基因组信息预测其代谢特征和生长需求，为分离培养新的微生物并解析其功能特征提供了突破机遇。

宏基因组数据分离培养靶向基因筛选未培养微生物稳定性同位素探针标记

iMeta：宁康等综述用于蛋白质结构预测的宏基因组定量分析

华中科大宁康团队近期在iMeta发表综述文章。在本研究中，作者专注于定量的分析宏基因组数据中蕴含的菌群生态和进化模式，解码这些模式与蛋白质结构的复杂关系，并研究如何有效地利用这些模式来提高蛋白质结构预测的效率和准确性。作者从生态和进化模式角度出发，解码了宏基因组数据与蛋白质结构的复杂关系，并在宏基因组数据中发现了可用于高效补充蛋白质同源序列的靶向方法。本研究在有效利用宏基因组数据搜索同源序列并预测蛋白质结构方面具有指导意义。

生态学进化宏基因组数据靶向方法蛋白质3D结构建模

Nature子刊：SignalP 6.0 利用蛋白语言模型可预测全部五种类型的信号肽

信号肽 (SPs) 是控制所有生物体中蛋白质分泌和易位的短氨基酸序列，其可以从序列数据中被预测，但现有算法无法检测所有已知类型的SPs。本研究，作者介绍了SignalP 6.0，这是一种机器学习模型，可检测所有五种 SP 类型并适用于宏基因组数据。SignalP 6.0 可在 https://services.healthtech.dtu.dk/service.php?SignalP-6.0 上获得。

信号肽短氨基酸序列机器学习宏基因组数据蛋白语言模型

Bioinformatics：实现亚菌株水平的宏基因组分析新法

关于更精准分辨菌群物种（达到亚菌株水平）的生物信息方法学文章一篇，特别推荐！

丰度菌株水平宏基因组数据 Tal Capucha Noam Koren

Science：用于蛋白质结构预测的大数据方法

这篇Science的文章简要介绍Ovchinnikov等人利用宏基因组数据预测蛋白结构的研究，用文字和图片简单展示了利用大数据方法来预测蛋白质结构的方法，很值得细读。

大数据蛋白质结构结构生物学宏基因组数据 Søren Johannes Sørensen

宏基因组数据

Science：从“静态”数据获得肠道菌群“动态”信息

这是2015年，Eran Elinav,Eran Segal等人发表在Science的重要生物信息学研究，通过单一宏基因组样品数据的挖掘，找到获知肠道菌群生长速率的方法。很强大，很神奇，值得关注。

宏基因组数据 Purna C Kashyap Yogesh Bhattarai