研究|2022年12月15日 蛋白质序列的深度嵌入和排列 DEDAL是一种基于深度学习的蛋白质序列比对方法,它提高了对远端同源物的预测比对质量,并更好地从进化不相关的序列中区分远端同源物。 菲利普Llinares-Lopez ,昆汀Berthet &让-菲利普•绿色 自然方法, 1 - 8
研究11月19日|开放获取 Mito-SiPE是一种不依赖序列和pcr的mtDNA富集方法,用于精确的超深度线粒体测序 Mito-SiPE是一种线粒体DNA (mtDNA)富集方法,可以获得高质量的mtDNA用于罕见异质性分析,而不依赖于PCR或探针。 达伦·j·沃尔什 ,大卫·j·伯纳德 &劳伦斯·c·布罗迪 通信生物学 5, 1269年
研究|2022年11月15日 用图注意神经网络预测错义变量的功能效应 在遗传研究和临床试验中,计算方法对于解释错义变异非常重要。张和他的同事开发了一种基于图注意力神经网络的方法来预测致病的错义变异。该方法汇集了来自功能相关位置的信息,可以改善错义变量的解释。 海沧张 ,徐秀珍 &宇沈 自然机器智能 4, 1017 - 1028
新闻及观点|2022年12月15日 深度学习语言模型有助于改善蛋白质序列的排列 我们训练了DEDAL(一种基于深度学习语言模型的算法)来生成蛋白质序列的成对对齐,同时考虑到氨基酸替换或间隙的特定序列上下文。DEDAL提高了对远端同源的对齐正确性,提高了三倍,并从进化不相关的序列中区分远端同源。 自然方法, 1 - 2
新闻及观点|2022年10月31日 STAARpipeline:用于生物库规模全基因组测序数据的全合一稀有变体工具 在非编码基因组中检测罕见变异关联具有挑战性。我们为生物库规模的全基因组测序数据提供了一个可扩展、灵活和精简的稀有变异关联分析框架,包括基因中心和非基因中心分析,通过使用各种编码和非编码单元、条件分析、结果总结和可视化,结合多种变体功能注释。 自然方法 19, 1532 - 1533
新闻及观点|2022年7月11日 自动化的基于序列的注释和解释人类基因组 机器学习模型产生基因组调控活动的总结序列表示,并提供人类基因组中调控DNA变异的功能视图,目的是更好地理解序列变异在健康和疾病中的作用。 Anshul Kundaje &Wouter Meuleman 自然遗传学 54, 916 - 917
评论与观点|2020年9月9日 UCSC SARS-CoV-2基因组浏览器 UCSC SARS-CoV-2基因组浏览器(https://genome.ucsc.edu/covid19.html)是我们流行的针对这种病毒的基因组浏览器可视化工具的改编,包含许多注释轨迹和新特征,包括与类似病毒的保守性、免疫表位、RT-PCR和测序引物以及CRISPR指南。我们邀请所有研究人员对这一资源作出贡献,以加速全球的研发活动。 杰森·d·费尔南德斯 ,Angie S. Hinrichs &马克西米利安Haeussler 自然遗传学 52, 991 - 998
评论与观点|2020年8月3日 人类基因命名指南 标准化的基因命名对于基因的有效交流至关重要,随着基因组学在医疗保健中变得越来越重要,对一种一致的语言来指代人类基因的需求变得越来越重要。在这里,我们介绍了目前HUGO基因命名委员会(HGNC)的指导方针,不仅命名蛋白质编码基因,还命名RNA基因和假基因,我们概述了过去几十年的发现所导致的方法和风气的变化。 埃尔斯佩思·a·布鲁福德 ,Bryony Braschi &苏珊Tweedie 自然遗传学 52, 754 - 758