对HMM显著性值的自适应性调整改善了对微生物基因组的功能和代谢洞察力

科学领域:

• 微生物学 微生物学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 准确的基因功能注释对于理解微生物代谢潜力至关重要.
• 基因和基因组的京都百科全书 (KEGG) 为基因家族识别提供精选的个人资料隐藏的马尔科夫模型 (KOfams).
• 使用KOfams的现有计算工具产生不一致的注释,导致各种各样的生物学解释.

研究的目的:

• 为了对三个开源软件工具进行比较,用于在各种细菌基因组中对KOfams进行注释.
• 调查这些方法之间的注释率和质量的差异.
• 确定改善微生物代谢表征的策略.

主要方法:

• 将三种开源KOfam注释工具应用于基因组学上多样化的细菌基因组.
• 利用多种计算方法进行方法基准测试.
• 分析了出现注释差异的具体案例研究.

主要成果:

• 测试的方法表现出不同的注释率和质量.
• 一种自适应方法,调整序列相似度值,证明了提高灵敏度并保持了高精度.
• 对于具有有限参考序列的蛋白质家族和像Lachnospiraceae这样的非模型生物,观察到显著的改善.

结论:

• 在注释工作流程中进行微小的改进可以大大提高现有数据库的实用性.
• 优化的注释策略导致了微生物代谢的更有意义的in silico描述.
• 这项工作为选择和改进基因功能注释工具提供了一个框架.