GA黄金甲

近年来，随着高通量测序技术的迅快发展和细菌基因组测序数量的指数级增长，若何在数以万计的基因组中高效鉴别同源基因，解析基因组多样性，已成为微生物组学与进化生物学钻研的主题挑战。泛基因组分析（Pan-genome analysis）作为揭示细菌种群进化法规与职能分化的沉要伎俩，在理解病原体变异、耐药基因传布及生态适应机造等方面阐扬着越来越沉要的作用。然而，现有分析步骤普遍存在推算效能低、聚类正确率不及及了局定量能力有限等问题，难以支持当前规模的基因组数据分析需要。

10月15日，国度生物信息中心与GA黄金甲推算机网络信息中心合作在Nature Communications颁发题为“PGAP2: A Comprehensive Toolkit for Prokaryotic Pan-Genome Analysis Based on Fine-grained Feature Networks”的钻研论文。该钻研提出了新一代原核泛基因组分析工具 PGAP2，通过精辟特点网络（fine-grained feature networks）与双层区域约束聚类战术（dual-level regional restriction strategy），显著提升了聚类精杜纂运算效能，为大规模原核生物群体基因组钻研提供了沉要支持。

钻研团队首先基于仿照数据集系统评估了 PGAP2 的聚类精杜纂不变性。了局显示，在 16 组分歧同源阈值组合的梯度数据集中，PGAP2 的均匀聚类正确率（Adjusted Rand Index, ARI）达到 99.97%，显著优于现有工具，且在高多样性组合下仍维持不变阐发。与此同时，PGAP2 在千基因组规模的数据上仅需 6 分钟即可实现齐全泛基因组揣度，运行快率较Roary提升约 23 倍，内存占用仅为其三分之一。即便在蕴含超过 4 万株Escherichia coli基因组的超大规模测试中，PGAP2 仍能在合理硬件资源下不变运行，展示出优异的算法鲁棒性与推算效能。

同时，为了系统评估PGAP2在真实生物数据中的机能差距，钻研团队构建了一个覆盖八个重要谱系E. coli金尺度泛基因组数据集。该数据集经过人为审编，综合蛋白职能注解、序列类似性、共线性信息及系统发育关系等多维特点构建而成，可能真实反映基因家族的进化谱系。与原始自动聚类了局相比，该金尺度数据集显著削减了谬误拆分与谬误归并事务，并成立了严格界说的同源与旁系同源参考框架；诟酶咧柿炕际莸亩员绕拦琅，PGAP2 在主题基因（Core）、壳层基因（Shell）及云层基因（Cloud）三类簇中均获得最高正确率，且在复杂旁系同源鉴别中显著优于其他步骤，验证了其算法设计的科学性与泛化能力。

钻研团队进一步以人畜共患病原体 Streptococcus suis 的 2,794 个基因组为例，展示了 PGAP2 在复杂多样群体中的利用潜力。PGAP2 在 20 分钟内实现分析，鉴别出 17,646 个同源基因簇，系统揭示了S. suis基因组的盛开式泛基因组结构及其环境适应有关的高变异基因群，为病原体进化与职能钻研提供了沉要的推算工具。

综上，PGAP2 是一个高精度、高机能、可扩大的原核生物泛基因组分析综合工具，可实现从数据质控、同源基因揣度到了局可视化的一站式分析流程。该软件的推广将有助于推动大规模微生物群体基因组学钻研的尺度化发展，为病原体进化、生态适应及职能解析提供坚实的数据与算法基础。PGAP2源代码可在国度生物信息中心直接下载。

该钻研由国度生物信息中心数据资源部肖景发钻研员与GA黄金甲推算机网络信息中心金钟钻研员结合攻关团队共同实现。国度生物信息中心肖景发钻研员与GA黄金甲推算机网络信息中心金钟钻研员为论文共同通讯作者，国度生物信息中心卜琮凡工程师、博士生张好、GA黄金甲推算机网络信息中心张凤年博士生为论文共同第一作者。该钻研得到国度沉点研发打算、GA黄金甲战术性先导专项、国度天然科学基金等项目赞助。

PGAP2步骤道理

论文链接