LSGFA：基于领域的大型原核生物基因组同源基因推断方法

《BMC Bioinformatics》：LSGFA: domain-based infraspecific large-scale prokaryotic genomic orthologous gene inference

　　

摘要

背景

同源基因推断是进化生物学中的一个关键技术挑战。它通常依赖于序列相似性搜索，并使用图聚类方法来推断同源基因家族。然而，对于大规模基因组数据集而言，全对全序列相似性搜索非常耗时。在这项工作中，我们提出了LSGFA方法，该方法基于蛋白质结构域的相似性检测子图，然后在每个子图内进行图聚类，这些子图对应于具有相似蛋白质结构域组成的序列。

结果

LSGFA的分析工作流程包括四个步骤：蛋白质结构域注释、基于Pfam结构域的初始聚类、基于SSN的聚类以及泛基因组模式的检测。通过与五种最先进的工具（OrthoFinder、Roary、PanTA、Panaroo和PGAP2）在多个数据集上的对比测试表明，LSGFA在计算效率和生物学准确性之间实现了平衡。与OrthoFinder相比，LSGFA所需时间更短，同时识别出的核心基因更多，其同源群推断结果与OrthoFinder的高度一致。

结论

由于原核生物中具有已知结构域的蛋白质比例较高，LSGFA特别适用于原核生物基因组，在这种情况下，它显著减少了计算时间，同时提供了准确的同源基因推断结果。