利用非冗余基因组背景跨细菌基因组对串联同源群进行特征表征

《microLife》：Characterization of syntons across bacterial genomes using non-redundant genomic contexts

　　

摘要

细菌基因组是动态的，受基因获得、丢失和水平转移的影响；然而，选择压力保留了功能耦合基因的共定位，形成称为共线模块（syntons）的重现模块。许多大规模方法没有明确考虑基因组之间的系统发育相关性，这可能会夸大仅由近亲共享的关联的支持度。为此，我们引入了一个可扩展的框架，根据基因组邻近区域对基因家族的出现情况进行聚类，并统计不同基因组背景下的共现情况，从而在无需明确构建系统发育树的情况下，减少垂直遗传和数据库采样不均带来的冗余。将该方法应用于包含 1.23 亿个基因的 32,791 个 RefSeq 基因组，该方法在 779,000 个共线模块家族中识别出 1,500 万个共线模块，表征了其多样性，并揭示了抗噬菌体防御系统之间的结构化关联。利用这种上下文感知框架，我们还引入了上下文残差熵（CRE）来量化基因家族邻近区域的变异性。通过优先考虑独立的进化事件而不是冗余的基因组水平计数，我们的方法提供了一种可扩展的、无需系统发育树的视角来观察细菌基因组中的模块化组织。