- 4 次围观
内容形式：摘要译文
推断直系同源基因并注释编码基因，仍是基因组学领域的核心挑战；已组装基因组与已注释基因组之间不断扩大的差距，正凸显了这一问题。TOGA（Tool to infer Orthologs from Genome Alignments，基于基因组比对推断直系同源基因的工具）通过整合基因注释与直系同源关系推断来应对这一挑战。本文介绍 TOGA 的新一代工具 TOGA2，其在注释完整性、准确性、可扩展性及直系同源关系推断方面均有显著提升。TOGA2 利用外显子级直系同源关系，并引入逐外显子注释流程，使内存使用量降低 513 倍、运行时间缩短 6.1 倍。我们证明，基于人类数据训练的剪接位点预测深度学习模型能够推广应用于其他脊椎动物。整合这些预测结果后，TOGA2 能够稳健地处理外显子—内含子结构的演化变化，包括剪接位点偏移、内含子缺失以及内含子外显子化。新增的基因树协调步骤可改进直系同源关系推断，而 UTR 注释则提升了基因模型的完整性。在哺乳动物、鸟类、龟类和鲈形鱼类中，TOGA2 注释的基因完整性总体高于利用转录组信息的 RefSeq 注释。TOGA2 还在小鼠中识别出此前未注释的外显子，为基因赋予具有信息量的符号，并注释抗原受体的 V(D)J 片段。TOGA2 可扩展至数千个基因组；我们通过为 2,162 个脊椎动物基因组组装生成全面的比较基因组学资源，展示了这一能力。这些资源包括基因注释、直系同源基因集合、基因丢失与重复事件、逆转录基因候选，以及支持下游分析的输出结果。总之，TOGA2 提供了一个可扩展且用途广泛的比较基因组学框架，有助于弥合基因组注释差距。
关键词：基因组注释 · 直系同源基因推断 · 脊椎动物基因组学 · 剪接位点预测 · 基因结构演化
原文链接：https://www.biorxiv.org/content/10.64898/2026.06.30.735536v1?rss=1