- 4 次围观
解读细菌甲基化组是一个多组学问题，需要将修饰碱基识别结果与基因组注释、基序清单、甲基转移酶基因型、转录本丰度、复制体位置以及日益受到重视的染色体构象进行整合。这些数据类型通常以彼此不兼容的格式生成，采用不一致的序列和基因标识符，并且来源于不同的分析流程。相关算法虽然已经具备，但如何将其组装为连贯且具有统计学依据的分析流程，仍然是一个重大的数据整合与接口问题。 我们提出了 MErlin（Methylation-driven Expression & Regulation Linkage in Interacting Nuclear-domains，甲基化驱动的表达与调控关联分析工具），这是一套多组学工具包，由十七个可组合模块构成，能够处理从碱基识别后的 modBAM 文件到基因层面证据排序及自包含 HTML 报告的完整流程。MErlin 既以常规 Python 软件包的形式发布，也以代理技能（agent skill）的形式提供：后者是一种结构化、版本受控的程序性知识层，使兼容的大语言模型（LLM）助手能够选择并运行经过审计的软件包，而无需针对每项请求重新生成分析实现。这种设计将自然语言视为固定分析操作的接口，而不是经过测试的科学软件的替代品。该技能编码了模块选择规则、强制性预检验、人类必须参与回答的问题、从实验设计到统计推断的约束条件，以及结果解读指南。 我们介绍了 MErlin 的架构与统计方法，利用包含预设真实结果的合成数据集对其进行了验证，并以恶臭假单胞菌（*Pseudoalteromonas haloplanktis*）TAC125 的真实甲基化组—转录组比较为例，展示了其对话式接口。MErlin 采用开源许可发布，项目地址为：https://github.com/IacopoPasseri/MErlin
解读细菌甲基化组是一个多组学问题。这要求将修饰碱基识别结果与基因组注释、基序清单、甲基转移酶基因型、转录本丰度、复制臂位置以及日益受到关注的染色体构象进行整合。这些数据类型通常以相互不兼容的格式生成，使用不一致的序列和基因标识符，并且来源于不同的分析流程。尽管相关算法均已具备，但要将其组装为连贯且具有统计学依据的分析流程，仍然是一个重大的数据整合与接口问题。我们提出了 MErlin（Methylation-driven Expression & Regulation Linkage in Interacting Nuclear-domains，甲基化驱动的相互作用核区室中的表达与调控关联），这是一个多组学工具包，由十七个可组合模块构成，能够将碱基识别后的 modBAM 文件处理为排序后的基因水平证据以及自包含的 HTML 报告。MErlin 同时以传统 Python 软件包和智能体技能的形式发布：后者是一种结构化、版本受控的程序性知识层，使兼容的大语言模型（LLM）助手能够选择并运行经过审查的软件包，而无需针对每项请求重新生成分析实现。该设计将自然语言视为固定分析操作的接口，而不是经过测试的科学软件的替代品。该技能编码了模块选择规则、强制性预检验、人类需要作出判断的问题、从实验设计到统计推断的约束，以及结果解读指南。我们介绍了 MErlin 的架构与统计方法，利用植入真实值的数据集对其进行了验证，并在 Pseudoalteromonas haloplanktis TAC125 的一项真实甲基化组—转录组比较中展示了其对话式接口。MErlin 为开源软件，可通过 https://github.com/IacopoPasseri/MErlin 获取。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.02.748773v1?rss=1
🏷️ 细菌表观基因组学 多组学数据整合 DNA甲基化分析 转录组学 计算生物学工具包