- 4 次围观
翻译起始信号在生命所有域中塑造基因表达。在真核生物中，起始密码子周围的核苷酸约束通常由 Kozak 共识序列（Kozak Consensus Sequence, KCS）描述；而在细菌和古菌中，起始过程则常常涉及 Shine--Dalgarno 核糖体结合基序。尽管这些信号已在模式生物中得到广泛表征，但其大尺度多样性与进化分布仍未被充分探索。 我们提出了 KozakExplorer，这是一个可复现的框架，用于从基因组组装及其注释中对翻译起始环境进行定量与比较分析。该软件能够基于链方向信息，从 FASTA 和 GFF3 文件中提取起始密码子环境，并应用信息论指标——包括 Kullback--Leibler（KL）散度和信息含量（information content, IC）——相对于背景模型衡量各位置上的核苷酸约束。进一步导出的汇总统计量（Kozak 强度指数，Kozak Strength Index [KSI]；最大信息含量；峰值位置）可将基序模式转化为可解释的、适用于跨物种比较的每基因组特征。 我们的主要分析涵盖了 2,282 个真核生物参考基因组，生成了一个标准化的翻译起始指标数据集。基于各位置 KL 散度、信息含量以及基序核苷酸频率，采用 t-SNE 进行降维后，结果揭示了一个具有结构性的真核生物 KCS 图景，表现出王国层面的聚类以及信号强度的连续变化。针对 216 个顶复门（Apicomplexa）基因组的专项案例研究进一步显示出属水平的结构，这与宿主范围和系统发育关系一致。 对 25,344 个参考基因组（22,253 个细菌、809 个古菌）的扩展分析，则将真核生物模式置于全球比较框架之中，揭示了从高度局部化的 Kozak 基序到分布式 Shine--Dalgarno 型特征之间的转变。KozakExplorer 在开源 Sequana 生态系统中实现，以 Python 模块和交互式 Web 应用的形式发布；该工具接受本地带注释的组装序列、GenBank 记录或 NCBI RefSeq 登录号作为输入，并导出所有计算得到的指标、嵌入结果和坐标，以支持后续的比较基因组学与进化基因组学分析。
翻译起始信号在生命所有域中塑造基因表达。在真核生物中，起始密码子周围的核苷酸约束通常由 Kozak 共识序列（Kozak Consensus Sequence, KCS）描述；而在细菌和古菌中，起始过程则常常涉及 Shine--Dalgarno 核糖体结合基序。尽管这些信号已在模式生物中得到广泛表征，但其大尺度多样性及进化分布仍未得到充分探索。我们提出 KozakExplorer，这是一个可复现的框架，用于基于基因组组装及注释对翻译起始上下文进行定量与比较分析。该软件能够从 FASTA 和 GFF3 文件中以链方向感知的方式提取起始密码子环境，并应用信息论指标——包括 Kullback--Leibler（KL）散度和信息含量（information content, IC）——来衡量相对于背景模型的位点核苷酸约束。所导出的汇总统计量（Kozak 强度指数，Kozak Strength Index [KSI]；最大信息含量；峰值位置）将基序模式转化为可解释的、适用于跨物种比较的逐基因组特征。我们的主要分析覆盖 2,282 个真核参考基因组，生成了一个标准化的翻译起始指标数据集。基于逐位点 KL 散度、信息含量和基序核苷酸频率进行的 t-SNE 降维揭示了一个具有结构性的真核 KCS 图景，其中既存在王国水平的聚类，也存在信号强度的连续变化。针对 216 个顶复门基因组的专项案例研究显示出与宿主范围和系统发育一致的属水平结构。对 25,344 个参考基因组（22,253 个细菌、809 个古菌）开展的扩展分析，则将真核模式置于全球比较框架之中，揭示了从高度局部化的 Kozak 基序到分布式 Shine--Dalgarno 型特征之间的转变。KozakExplorer 在开源 Sequana 生态系统中实现，并以 Python 模块和交互式 Web 应用程序的形式发布；其支持接收本地带注释组装、GenBank 记录或 NCBI RefSeq 登录号作为输入，并导出所有计算得到的指标、嵌入结果和坐标，以用于后续的比较基因组学与进化基因组学分析。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.25.734688v1?rss=1
🏷️ Kozak序列 翻译起始 比较基因组学 信息论分析 进化分布 基因组注释