التنبؤ الجيني

📅 آخر تحديث: ٢٥ يوليو ٢٠٢٦
✍️ نُشر في: ٢٥ يوليو ٢٠٢٦
📷 يحتوي على 2 صور
الموسوعة الحرة
بنية جين حقيقي النواة

في علم الأحياء الحاسوبي ، يشير التنبؤ بالجينات أو اكتشافها إلى عملية تحديد مناطق الحمض النووي الجينومي التي تشفر الجينات . يشمل ذلك الجينات المشفرة للبروتينات وجينات الحمض النووي الريبوزي (RNA )، وقد يشمل أيضًا التنبؤ بعناصر وظيفية أخرى مثل المناطق التنظيمية . يُعد اكتشاف الجينات إحدى الخطوات الأولى والأكثر أهمية في فهم جينوم أي نوع بعد تحديد تسلسله .

في بداياتها، اعتمدت عملية "اكتشاف الجينات" على تجارب دقيقة على الخلايا الحية والكائنات الحية. وكان التحليل الإحصائي لمعدلات إعادة التركيب المتماثل لعدة جينات مختلفة يُحدد ترتيبها على كروموسوم معين ، كما كان بالإمكان دمج المعلومات المستقاة من العديد من هذه التجارب لإنشاء خريطة جينية تُحدد الموقع التقريبي للجينات المعروفة بالنسبة لبعضها البعض. أما اليوم، ومع توفر تسلسل الجينوم الشامل والموارد الحاسوبية القوية المتاحة لمجتمع البحث العلمي، فقد أُعيد تعريف اكتشاف الجينات ليصبح مشكلة حاسوبية في المقام الأول.

يجب التمييز بين تحديد ما إذا كان التسلسل وظيفيًا وتحديد وظيفة الجين أو ناتجه. لا يزال التنبؤ بوظيفة الجين والتأكد من دقة هذا التنبؤ يتطلب تجارب حية [ 1 ] من خلال تعطيل الجينات وغيرها من الاختبارات، على الرغم من أن أحدث ما توصلت إليه أبحاث المعلوماتية الحيوية [ 2 ] يجعل من الممكن بشكل متزايد التنبؤ بوظيفة الجين بناءً على تسلسله وحده.

يُعد التنبؤ بالجينات إحدى الخطوات الرئيسية في شرح الجينوم ، وذلك بعد تجميع التسلسل ، وتصفية المناطق غير المشفرة، وإخفاء التكرارات. [ 3 ]

يرتبط التنبؤ بالجينات ارتباطًا وثيقًا بما يُسمى "مشكلة البحث عن الهدف"، والتي تبحث في كيفية تحديد البروتينات الرابطة للحمض النووي ( عوامل النسخ ) لمواقع ارتباط محددة داخل الجينوم . [ 4 ] [ 5 ] وتستند العديد من جوانب التنبؤ بالجينات البنيوية إلى الفهم الحالي للعمليات الكيميائية الحيوية الأساسية في الخلية ، مثل نسخ الجينات ، وترجمتها ، وتفاعلات البروتين-بروتين، وعمليات التنظيم ، والتي تُعد موضوعًا لبحوث نشطة في مختلف مجالات علم الجينوم، مثل علم النسخ ، وعلم البروتينات ، وعلم الأيض ، وبشكل أعم، علم الجينوم البنيوي والوظيفي .

الأساليب التجريبية

في أنظمة البحث عن الجينات التجريبية (القائمة على التشابه أو التماثل أو الأدلة)، يُبحث في الجينوم المستهدف عن تسلسلات مشابهة لأدلة خارجية، مثل علامات التسلسل المعبر عنها المعروفة ، والحمض النووي الريبوزي الرسول (mRNA)، ومنتجات البروتين ، والتسلسلات المتماثلة أو المتجانسة. وبمعرفة تسلسل mRNA، يسهل استخلاص تسلسل DNA جينومي فريد يُعتقد أنه نُسخ منه . وبمعرفة تسلسل بروتيني، يمكن استخلاص مجموعة من تسلسلات DNA المشفرة المحتملة عن طريق الترجمة العكسية للشيفرة الوراثية . وبمجرد تحديد تسلسلات DNA المرشحة، يصبح البحث الفعال في الجينوم المستهدف عن التطابقات، سواء كانت كاملة أو جزئية، ودقيقة أو غير دقيقة، مسألة حسابية بسيطة نسبيًا. وبمعرفة تسلسل معين، تبحث خوارزميات المحاذاة المحلية، مثل BLAST و FASTA و Smith-Waterman، عن مناطق التشابه بين التسلسل المستهدف والتطابقات المرشحة المحتملة. ويمكن أن تكون التطابقات كاملة أو جزئية، ودقيقة أو غير دقيقة. إن نجاح هذا النهج محدود بمحتويات ودقة قاعدة بيانات التسلسل.

يُعدّ التشابه الكبير مع الحمض النووي الريبوزي الرسول (mRNA) أو البروتين المعروف دليلاً قوياً على أن منطقةً ما في الجينوم المستهدف هي جين مُشفّر للبروتين. مع ذلك، يتطلب تطبيق هذا النهج بشكل منهجي تسلسلًا مكثفًا للحمض النووي الريبوزي الرسول والبروتينات. وهذا ليس مكلفًا فحسب، بل في الكائنات الحية المعقدة، لا يُعبَّر إلا عن مجموعة فرعية من جميع الجينات في جينوم الكائن الحي في أي وقت، مما يعني أن الأدلة الخارجية للعديد من الجينات لا يُمكن الوصول إليها بسهولة في أي مزرعة خلوية واحدة. لذا، يتطلب جمع الأدلة الخارجية لمعظم أو كل الجينات في كائن حي معقد دراسة مئات أو آلاف الأنواع الخلوية ، مما يُضيف صعوبات أخرى. على سبيل المثال، قد تُعبَّر بعض الجينات البشرية فقط أثناء التطور الجنيني، وهو ما قد يصعب دراسته لأسباب أخلاقية.

على الرغم من هذه الصعوبات، فقد تم إنشاء قواعد بيانات واسعة النطاق لتسلسلات النسخ والبروتينات للإنسان، بالإضافة إلى كائنات نموذجية أخرى مهمة في علم الأحياء، مثل الفئران والخميرة. فعلى سبيل المثال، تحتوي قاعدة بيانات RefSeq على تسلسلات النسخ والبروتينات من العديد من الأنواع المختلفة، ويقوم نظام Ensembl برسم خرائط شاملة لهذه البيانات على جينوم الإنسان والعديد من الجينومات الأخرى. ومع ذلك، فمن المرجح أن تكون قواعد البيانات هذه غير مكتملة، وأن تحتوي على كميات صغيرة ولكنها ذات دلالة من البيانات الخاطئة.

تتيح تقنيات تسلسل النسخ عالية الإنتاجية الجديدة مثل RNA-Seq و ChIP-sequencing فرصًا لدمج أدلة خارجية إضافية في التنبؤ بالجينات والتحقق منها، وتسمح ببدائل غنية هيكليًا وأكثر دقة للطرق السابقة لقياس التعبير الجيني مثل علامات التسلسل المعبر عنها أو مصفوفة الحمض النووي الدقيقة .

تتضمن التحديات الرئيسية التي ينطوي عليها التنبؤ الجيني التعامل مع أخطاء التسلسل في بيانات الحمض النووي الخام، والاعتماد على جودة تجميع التسلسل ، والتعامل مع القراءات القصيرة، وطفرات تغيير الإطار ، والجينات المتداخلة والجينات غير المكتملة.

في بدائيات النوى، من الضروري مراعاة الانتقال الأفقي للجينات عند البحث عن تشابه تسلسل الجينات . ومن العوامل المهمة الأخرى التي لا تُستغل بالشكل الأمثل في أدوات الكشف الجيني الحالية وجود تجمعات جينية - أو ما يُعرف بالأوبيرونات (وهي وحدات وظيفية من الحمض النووي تحتوي على مجموعة من الجينات تحت سيطرة مُحفِّز واحد ) - في كل من بدائيات النوى وحقيقيات النوى. تتعامل معظم أدوات الكشف الجيني الشائعة مع كل جين على حدة، بمعزل عن غيره، وهو ما لا يتوافق مع الأسس البيولوجية.

طرق من البداية

يُعدّ التنبؤ الجيني من الصفر طريقةً جوهريةً تعتمد على محتوى الجين والكشف عن الإشارات. ونظرًا للتكلفة العالية والصعوبة الكامنة في الحصول على أدلة خارجية للعديد من الجينات، فمن الضروري أيضًا اللجوء إلى البحث الجيني من الصفر ، حيث يتم البحث بشكل منهجي في تسلسل الحمض النووي الجينومي وحده عن علامات دالة على وجود جينات مُشفِّرة للبروتين. ويمكن تصنيف هذه العلامات بشكل عام إلى إشارات ، وهي تسلسلات محددة تُشير إلى وجود جين قريب، أو محتوى ، وهي خصائص إحصائية لتسلسل ترميز البروتين نفسه. ولعلّ وصف البحث الجيني من الصفر بأنه تنبؤ جيني أدقّ ، إذ يتطلب الأمر عادةً أدلة خارجية لإثبات وظيفة الجين المُفترض بشكل قاطع.

تُظهر هذه الصورة كيفية استخدام الأطر المفتوحة للقراءة (ORFs) في التنبؤ بالجينات. التنبؤ بالجينات هو عملية تحديد موقع الجين المُشفِّر في التسلسل الجينومي. يجب أن تبدأ البروتينات الوظيفية بكودون بدء (حيث يبدأ نسخ الحمض النووي) وتنتهي بكودون توقف (حيث ينتهي النسخ). من خلال تحديد مواقع هذه الكودونات في تسلسل الحمض النووي، يُمكن تحديد موقع البروتين الوظيفي. يُعد هذا الأمر بالغ الأهمية في التنبؤ بالجينات لأنه يُمكنه الكشف عن مواقع الجينات المُشفِّرة في التسلسل الجينومي بأكمله. في هذا المثال، يُمكن اكتشاف بروتين وظيفي باستخدام ORF3 لأنه يبدأ بكودون بدء، ويحتوي على عدة أحماض أمينية، ثم ينتهي بكودون توقف، وكل ذلك ضمن نفس إطار القراءة. [ 6 ]

في جينومات بدائيات النوى ، تمتلك الجينات تسلسلات محفزة محددة ومفهومة نسبيًا (إشارات)، مثل صندوق بريبناو ومواقع ارتباط عوامل النسخ ، والتي يسهل تحديدها بشكل منهجي. كما أن التسلسل المشفر للبروتين يظهر كإطار قراءة مفتوح متصل (ORF)، والذي يتراوح طوله عادةً بين مئات وآلاف الأزواج القاعدية . إحصائيات كودونات التوقف تجعل حتى العثور على إطار قراءة مفتوح بهذا الطول مؤشرًا مفيدًا. (بما أن 3 من أصل 64 كودونًا ممكنًا في الشفرة الوراثية هي كودونات توقف، فمن المتوقع وجود كودون توقف كل 20-25 كودونًا تقريبًا، أو 60-75 زوجًا قاعديًا، في تسلسل عشوائي ). علاوة على ذلك، يتميز الحمض النووي المشفر للبروتين بدورية معينة وخصائص إحصائية أخرى يسهل اكتشافها في تسلسل بهذا الطول. هذه الخصائص تجعل تحديد الجينات في بدائيات النوى أمرًا بسيطًا نسبيًا، وتستطيع الأنظمة المصممة جيدًا تحقيق مستويات عالية من الدقة.

يُعدّ اكتشاف الجينات من الصفر في حقيقيات النوى ، وخاصة الكائنات المعقدة كالإنسان، أكثر صعوبةً لعدة أسباب. أولًا، يكون المحفز والإشارات التنظيمية الأخرى في هذه الجينومات أكثر تعقيدًا وأقل فهمًا منها في بدائيات النوى، مما يجعل التعرف عليها بدقة أكثر صعوبة. ومن الأمثلة الكلاسيكية على الإشارات التي تحددها برامج اكتشاف الجينات في حقيقيات النوى جزر CpG ومواقع ارتباط ذيل البولي أدينين .

ثانيًا، تعني آليات التضفير التي تستخدمها الخلايا حقيقية النواة أن تسلسلًا معينًا مُشفِّرًا للبروتين في الجينوم يُقسَّم إلى عدة أجزاء ( إكسونات )، تفصل بينها تسلسلات غير مُشفِّرة ( إنترونات ). (تُعد مواقع التضفير نفسها إشارة أخرى غالبًا ما تُصمَّم أدوات البحث عن الجينات في حقيقيات النوى لتحديدها). قد يُقسَّم جين نموذجي مُشفِّر للبروتين في الإنسان إلى اثني عشر إكسونًا، يقل طول كل منها عن مئتي زوج قاعدي، وبعضها لا يتجاوز طوله عشرين إلى ثلاثين إكسونًا. ولذلك، يصعب كثيرًا اكتشاف الدوريات وغيرها من خصائص المحتوى المعروفة للحمض النووي المُشفِّر للبروتين في حقيقيات النوى.

تستخدم برامج البحث المتقدمة عن الجينات، سواءً للكائنات بدائية النواة أو حقيقية النواة، نماذج احتمالية معقدة ، مثل نماذج ماركوف المخفية (HMMs)، لدمج المعلومات من قياسات إشارات ومحتوى متنوعة. يُعد نظام GLIMMER برنامجًا شائع الاستخدام ودقيقًا للغاية للبحث عن الجينات في بدائيات النواة. كما يُعد GeneMark نهجًا شائعًا آخر. في المقابل، لم تحقق برامج البحث عن الجينات في حقيقيات النواة، التي تعتمد على منهجية ab initio ، سوى نجاح محدود؛ ومن أبرز الأمثلة عليها برنامجا GENSCAN و geneid . يعتمد برنامجا البحث عن الجينات GeneMark-ES وSNAP على نماذج ماركوف المخفية (GHMMs) مثل GENSCAN، ويسعيان إلى معالجة المشكلات المتعلقة باستخدام برنامج البحث عن الجينات على تسلسل جينومي لم يتم تدريبه عليه. [ 7 ] [ 8 ] كما تستخدم بعض المناهج الحديثة، مثل mSplicer [ 9 ] وCONTRAST [ 10 ] و mGene [ 11 ]، تقنيات التعلم الآلي، مثل آلات المتجهات الداعمة، للتنبؤ الناجح بالجينات. يقومون ببناء نموذج تمييزي باستخدام آلات المتجهات الداعمة ماركوف المخفية أو الحقول العشوائية الشرطية لتعلم وظيفة تسجيل دقيقة للتنبؤ بالجينات.

تم تقييم طرق Ab Initio ، حيث اقتربت بعضها من حساسية 100٪، [ 3 ] ومع ذلك، مع زيادة الحساسية، تتأثر الدقة نتيجة لزيادة النتائج الإيجابية الخاطئة .

إشارات أخرى

من بين الإشارات المشتقة المستخدمة في التنبؤ، الإحصائيات الناتجة عن إحصائيات التسلسل الفرعي مثل إحصائيات k-mer ، و Isochore (علم الوراثة) أو تركيب GC/التجانس/الإنتروبيا للمجال التركيبي ، وطول التسلسل والإطار، ومفردات مواقع ارتباط الإنترون/الإكسون/المانح/المستقبل/المحفز والريبوسوم ، والبعد الكسري ، وتحويل فورييه للحمض النووي المشفر برقم زائف، ومعاملات منحنى Z، وبعض خصائص التشغيل. [ 12 ]

لقد أشير إلى أن إشارات أخرى غير تلك التي يمكن رصدها مباشرةً في التسلسلات قد تُحسّن من التنبؤ بالجينات. على سبيل المثال، تم الإبلاغ عن دور البنية الثانوية في تحديد الأنماط التنظيمية. [ 13 ] بالإضافة إلى ذلك، أشير إلى أن التنبؤ بالبنية الثانوية للحمض النووي الريبي (RNA) يُساعد في التنبؤ بمواقع الربط. [ 14 ] [ 15 ] [ 16 ] [ 17 ]

الشبكات العصبية

الشبكات العصبية الاصطناعية نماذج حسابية تتفوق في التعلم الآلي والتعرف على الأنماط . يجب تدريب الشبكات العصبية باستخدام بيانات نموذجية قبل أن تتمكن من التعميم على البيانات التجريبية، واختبارها مقابل بيانات مرجعية. تستطيع الشبكات العصبية إيجاد حلول تقريبية للمشاكل التي يصعب حلها خوارزميًا، شريطة توفر بيانات تدريب كافية. عند تطبيقها على التنبؤ الجيني، يمكن استخدام الشبكات العصبية جنبًا إلى جنب مع طرق ab initio الأخرى للتنبؤ بالخصائص البيولوجية أو تحديدها، مثل مواقع الربط. [ 18 ] أحد الأساليب [ 19 ] يتضمن استخدام نافذة منزلقة، تجتاز بيانات التسلسل بطريقة متداخلة. يكون الناتج عند كل موضع عبارة عن درجة بناءً على ما إذا كانت الشبكة تعتقد أن النافذة تحتوي على موقع ربط مانح أو موقع ربط مستقبل. توفر النوافذ الأكبر دقة أعلى، ولكنها تتطلب أيضًا قدرة حسابية أكبر. تُعد الشبكة العصبية مثالًا على مستشعر الإشارة، حيث يهدف عملها إلى تحديد موقع وظيفي في الجينوم.

الأساليب المشتركة

تجمع برامج مثل Maker بين الأساليب الخارجية والأساليب الأولية من خلال ربط بيانات البروتين و EST بالجينوم للتحقق من صحة التنبؤات الأولية . كما يمكن لبرنامج Augustus، الذي يُستخدم كجزء من مسار عمل Maker، أن يُضمّن تلميحات على شكل محاذاة EST أو ملفات تعريف البروتين لزيادة دقة التنبؤ الجيني.

مناهج علم الجينوم المقارن

مع تسلسل الجينومات الكاملة للعديد من الأنواع المختلفة، فإن أحد الاتجاهات الواعدة في الأبحاث الحالية حول اكتشاف الجينات هو نهج علم الجينوم المقارن .

يستند هذا إلى مبدأ أن قوى الانتخاب الطبيعي تُؤدي إلى طفرات في الجينات والعناصر الوظيفية الأخرى بمعدل أبطأ من بقية الجينوم، لأن الطفرات في العناصر الوظيفية تُرجّح أن تُؤثر سلبًا على الكائن الحي أكثر من الطفرات في أماكن أخرى. وبالتالي، يُمكن الكشف عن الجينات بمقارنة جينومات الأنواع ذات الصلة للكشف عن هذا الضغط التطوري للحفاظ عليها. طُبّق هذا النهج أولًا على جينومات الفأر والإنسان، باستخدام برامج مثل SLAM وSGP وTWINSCAN/N-SCAN وCONTRAST. [ 20 ]

مصادر متعددة

اقتصر برنامج TWINSCAN على فحص التماثل الجيني بين الإنسان والفأر للبحث عن الجينات المتماثلة. بينما سمحت برامج أخرى مثل N-SCAN وCONTRAST بدمج محاذاة من كائنات حية متعددة، أو في حالة N-SCAN، من كائن حي بديل واحد من الكائن المستهدف. ويمكن أن يؤدي استخدام مصادر معلومات متعددة إلى تحسينات كبيرة في الدقة. [ 20 ]

يتألف برنامج CONTRAST من عنصرين. الأول هو مصنف مصغر، يحدد مواقع الربط المانحة والمستقبلة، بالإضافة إلى كودونات البدء والتوقف. أما العنصر الثاني فيتضمن بناء نموذج كامل باستخدام التعلم الآلي. تقسيم المشكلة إلى جزأين يسمح باستخدام مجموعات بيانات مستهدفة أصغر لتدريب المصنفات، ويمكن لهذا المصنف العمل بشكل مستقل وتدريبه باستخدام نوافذ أصغر. يمكن للنموذج الكامل استخدام المصنف المستقل، دون الحاجة إلى إهدار وقت الحساب أو تعقيد النموذج في إعادة تصنيف حدود الإنترونات والإكسونات. تقترح الورقة البحثية التي عُرض فيها برنامج CONTRAST تصنيف طريقتهم (وطرق TWINSCAN وغيرها) على أنها تجميع جيني من الصفر ، باستخدام جينومات بديلة، وتمييزها عن التجميع الجيني من الصفر (ab initio) ، الذي يستخدم جينومات "مُخبِرة" مستهدفة. [ 20 ]

يمكن أيضًا استخدام البحث المقارن عن الجينات لنقل بيانات عالية الجودة من جينوم إلى آخر. ومن الأمثلة البارزة على ذلك Projector وGeneWise وGeneMapper وGeMoMa. وتلعب هذه التقنيات الآن دورًا محوريًا في ترميز جميع الجينومات.

التنبؤ بالجينات الكاذبة

الجينات الكاذبة هي جينات قريبة الصلة بالجينات، إذ تتشارك معها في تشابه تسلسلي عالٍ جدًا، لكنها لا تستطيع ترميز نفس البروتين . وبينما كانت تُعتبر في السابق نواتج ثانوية لتسلسل الجينات ، أصبحت، مع تزايد اكتشاف أدوارها التنظيمية، أهدافًا تنبؤية بحد ذاتها. [ 21 ] يعتمد التنبؤ بالجينات الكاذبة على أساليب التشابه التسلسلي الحالية وأساليب الحسابات الأولية، مع إضافة عمليات ترشيح وأساليب لتحديد خصائص الجينات الكاذبة.

يمكن تخصيص طرق تشابه التسلسل للتنبؤ بالجينات الكاذبة باستخدام ترشيح إضافي للعثور على الجينات الكاذبة المرشحة. يمكن استخدام كشف تعطيل الجينات، الذي يبحث عن طفرات التوقف أو طفرات إزاحة الإطار التي من شأنها أن تؤدي إلى اقتطاع أو انهيار تسلسل ترميز وظيفي. [ 22 ] بالإضافة إلى ذلك، قد يكون ترجمة تسلسلات الحمض النووي إلى بروتينات أكثر فعالية من مجرد الاعتماد على تشابه الحمض النووي المباشر. [ 21 ]

يمكن تصفية مستشعرات المحتوى وفقًا للاختلافات في الخصائص الإحصائية بين الجينات الكاذبة والجينات الحقيقية، مثل انخفاض عدد جزر CpG في الجينات الكاذبة، أو الاختلافات في محتوى GC بين الجينات الكاذبة والجينات المجاورة لها. كما يمكن ضبط مستشعرات الإشارة لتقتصر على الجينات الكاذبة، بالبحث عن غياب الإنترونات أو ذيول البولي أدينين. [ 23 ]

التنبؤ الجيني الميتاجينومي

علم الميتاجينوميات هو دراسة المادة الوراثية المستخلصة من البيئة، مما ينتج عنه معلومات تسلسلية من مجموعة من الكائنات الحية. ويُعدّ التنبؤ بالجينات مفيدًا في علم الميتاجينوميات المقارن .

تندرج أدوات الميتاجينوميات أيضًا ضمن الفئات الأساسية لاستخدام إما مناهج تشابه التسلسل (MEGAN4) وتقنيات ab initio (GLIMMER-MG).

يُعدّ Glimmer-MG [ 24 ] امتدادًا لبرنامج GLIMMER، ويعتمد بشكل أساسي على منهجية البحث الجيني من الصفر، وذلك باستخدام مجموعات بيانات تدريبية من كائنات حية ذات صلة. وتُعزز استراتيجية التنبؤ بتصنيف وتجميع مجموعات بيانات الجينات قبل تطبيق أساليب التنبؤ الجيني من الصفر. ويتم تجميع البيانات حسب النوع. وتستفيد طريقة التصنيف هذه من تقنيات التصنيف التطوري الميتاجينومي. ومن الأمثلة على البرامج المستخدمة لهذا الغرض برنامج Phymm، الذي يستخدم نماذج ماركوف المُستكملة، وبرنامج PhymmBL، الذي يدمج BLAST في إجراءات التصنيف.

يستخدم برنامج MEGAN4 [ 25 ] أسلوب تشابه التسلسل، معتمدًا على المحاذاة المحلية مع قواعد بيانات التسلسلات المعروفة، ولكنه يسعى أيضًا إلى التصنيف باستخدام معلومات إضافية حول الأدوار الوظيفية والمسارات البيولوجية والإنزيمات. وكما هو الحال في التنبؤ بجينات الكائنات الحية المفردة، فإن أساليب تشابه التسلسل محدودة بحجم قاعدة البيانات.

يُعدّ كلٌّ من FragGeneScan وMetaGeneAnnotator من برامج التنبؤ الجيني الشائعة التي تعتمد على نموذج ماركوف المخفي . وتراعي هذه البرامج أخطاء التسلسل والجينات الجزئية، كما أنها تعمل مع القراءات القصيرة.

أداة أخرى سريعة ودقيقة للتنبؤ بالجينات في الميتاجينومات هي MetaGeneMark. [ 26 ] يستخدم معهد الجينوم المشترك التابع لوزارة الطاقة الأمريكية هذه الأداة لشرح IMG/M، وهي أكبر مجموعة ميتاجينوم حتى الآن.

انظر أيضاً

مراجع

  1. ↑ سليتور، آر. دي. (أغسطس 2010). "نظرة عامة على الوضع الحالي لاستراتيجيات التنبؤ بجينات حقيقيات النوى". جين . 461 ( 1-2 ): 1-4 . doi : 10.1016/j.gene.2010.04.008 . PMID 20430068 . 
  2. ↑ إيجيغو، جيروم فيتيهاملاك؛ جونغ، جاي هي (18 سبتمبر 2020). "مراجعة حول التوصيف الجينومي الحاسوبي للتسلسلات التي تم الحصول عليها بواسطة تقنية التسلسل من الجيل التالي" . علم الأحياء . 9 (9): 295. doi : 10.3390/biology9090295 . ISSN 2079-7737 . PMC 7565776. PMID 32962098 .   
  3. ياندل م ، إنس د (أبريل 2012). " دليل المبتدئين لشرح جينوم حقيقيات النوى". مراجعات الطبيعة. علم الوراثة . 13 (5): 329-42 . doi : 10.1038/nrg3174 . PMID 22510764. S2CID 3352427 .  
  4. ↑ ريدينغ إس، غرين إي سي (مايو 2013). "كيف تحدد البروتينات مواقعها المستهدفة في الحمض النووي؟" . رسائل الفيزياء الكيميائية . 570 : 1-11 . Bibcode : 2013CPL...570....1R . doi : 10.1016/ j.cplett.2013.03.035 . PMC 3810971. PMID 24187380 .  
  5. ↑ سوكولوف، آي إم، ميتزلر، آر، بانت، كيه، ويليامز، إم سي (أغسطس 2005). "البحث عن هدف N بروتين منزلق على الحمض النووي" . مجلة الفيزياء الحيوية . 89 (2): 895-902 . Bibcode : 2005BpJ....89..895S . doi : 10.1529/biophysj.104.057612 . PMC 1366639. PMID 15908574 .  
  6. ↑ مادجان إم تي، مارتينكو جيه إم، بيندر كيه إس، باكلي دي إتش، ستال دي (2015). بيولوجيا الكائنات الدقيقة لبروك ( الطبعة الرابعة عشرة). بوسطن: بيرسون. ISBN  9780321897398.
  7. ↑ لومسادزه، ألكسندر؛ تير-هوفانيسيان، فاردجيس؛ تشيرنوف، يوري أو.؛ ​​بورودوفسكي، مارك (نوفمبر 2005). "جين مارك-إي إس" . أبحاث الأحماض النووية . 33 (20): 6494-6506 . doi : 10.1093/nar/gki937 . PMC 1298918. PMID 16314312 .  
  8. ↑ كورف ، آي (مايو 2004). "اكتشاف الجينات في الجينومات الجديدة" . بي إم سي بيوانفورماتيكس . 5 : 59. doi : 10.1186/1471-2105-5-59 . PMC 421630. PMID 15144565 .  
  9. ↑ راتش جي، سونينبورغ إس، سرينيفاسان جيه، ويت إتش، مولر كيه آر ، سومر آر جيه، شولكوف بي (فبراير 2007). "تحسين ترميز جينوم Caenorhabditis elegans باستخدام التعلم الآلي" . مجلة PLOS لعلم الأحياء الحاسوبي . 3 (2): e20. Bibcode : 2007PLSCB...3...20R . doi : 10.1371/journal.pcbi.0030020 . PMC 1808025. PMID 17319737 .  
  10. ↑ غروس إس إس، دو سي بي، سيروتا إم، باتزوغلو إس (20 ديسمبر 2007). "CONTRAST: منهج تمييزي، غير معتمد على علم الوراثة، للتنبؤ الجيني الجديد من مصادر متعددة" . علم الأحياء الجينومي . 8 (12): R269. doi : 10.1186/gb-2007-8-12-r269 . PMC 2246271. PMID 18096039 .  
  11. ↑ شفيكرت جي، بير جي، زين إيه، زيلر جي، أونغ سي إس، سونينبورغ إس، راتش جي (يوليو 2009). "mGene.web: خدمة ويب لاكتشاف الجينات الحاسوبي بدقة" . مجلة أبحاث الأحماض النووية . 37 (عدد خادم الويب): W312–6. doi : 10.1093/nar/ gkp479 . PMC 2703990. PMID 19494180 .  
  12. ↑ سايس واي، روزيه بي، فان دي بير واي (فبراير 2007). "بحثًا عن الإكسونات الصغيرة: تحسين التنبؤ بالإكسونات القصيرة في الفقاريات والنباتات والفطريات والطلائعيات" . المعلوماتية الحيوية . 23 (4): 414-420 . doi : 10.1093/bioinformatics/btl639 . PMID 17204465 . 
  13. ↑ هيلر م، بوديمات ر، بوش أ، باكوفن ر (2006). "استخدام البنى الثانوية للحمض النووي الريبي لتوجيه البحث عن أنماط التسلسل نحو المناطق أحادية السلسلة" . أبحاث الأحماض النووية . 34 (17): e117. doi : 10.1093/nar/gkl544 . PMC 1903381. PMID 16987907 .  
  14. ↑ باترسون دي جيه، ياسوهارا كيه، روزو دبليو إل (2002). "التنبؤ بالبنية الثانوية للرنا الرسول الأولي يساعد في التنبؤ بموقع الربط". ندوة المحيط الهادئ حول الحوسبة الحيوية. ندوة المحيط الهادئ حول الحوسبة الحيوية : 223-34 . PMID 11928478 . 
  15. ↑ ماراشي، س. أ.، وجودارزي، ح.، صادقي، م.، إسلاهشي، ج.، وبيزشك، ح. (فبراير 2006). "أهمية معلومات البنية الثانوية للحمض النووي الريبي (RNA) في التنبؤ بمواقع الربط المانحة والمستقبلة في الخميرة باستخدام الشبكات العصبية". علم الأحياء الحاسوبي والكيمياء . 30 (1): 50-57 . doi : 10.1016/j.compbiolchem.2005.10.009 . PMID 16386465 . 
  16. ↑ ماراشي، س. أ.، إسلاهشي، ج.، بيزشك، ح.، صادقي، م. (يونيو 2006). " تأثير بنية الحمض النووي الريبوزي على التنبؤ بمواقع الربط المانحة والمستقبلة" . بي إم سي بيوانفورماتيكس . 7 : 297. doi : 10.1186/1471-2105-7-297 . PMC 1526458. PMID 16772025 .  
  17. ↑ روجيك، س (2006). دور البنية الثانوية للرنا الرسول الأولي في عملية تضفير الجينات في الخميرة Saccharomyces cerevisiae(ملف PDF) (أطروحة دكتوراه). جامعة كولومبيا البريطانية. مؤرشفة من الأصل (ملف PDF) بتاريخ 30 مايو 2009. تم الاطلاع عليها بتاريخ 1 أبريل 2007 .
  18. ↑ جويل ن، سينغ س، أسيري ت.س. (يوليو 2013). "تحليل مقارن لتقنيات الحوسبة المرنة للتنبؤ الجيني". الكيمياء الحيوية التحليلية . 438 (1): 14-21 . doi : 10.1016/j.ab.2013.03.015 . PMID 23529114 . 
  19. ↑ يوهانسن، ∅يستين؛ راين، توم؛ إفتيسل، تريغفه؛ كيوسموين، توماس؛ روف، بيتر (2009). "التنبؤ بمواقع الربط باستخدام الشبكات العصبية الاصطناعية". أساليب الذكاء الحسابي للمعلوماتية الحيوية والإحصاء الحيوي . محاضرات في علوم الحاسوب. المجلد 5488. الصفحات 102-113 . doi : 10.1007/978-3-642-02504-4_9 . ISBN   978-3-642-02503-7.
  20. 1 2 3 غروس إس إس، دو سي بي، سيروتا إم، باتزوغلو إس (2007). "CONTRAST: منهج تمييزي، غير معتمد على علم الوراثة، للتنبؤ الجيني الجديد من مصادر متعددة" . علم الأحياء الجينومي . 8 (12): R269. doi : 10.1186/gb-2007-8-12-r269 . PMC 2246271. PMID 18096039 .  
  21. 1 2 ألكسندر آر بي، فانغ جي، روزوفسكي جيه، سنايدر إم، غيرستين إم بي (أغسطس 2010). "شرح المناطق غير المشفرة في الجينوم". مراجعات الطبيعة. علم الوراثة . 11 (8): 559-71 . doi : 10.1038/nrg2814 . PMID 20628352. S2CID 6617359 .  
  22. ↑ سفينسون، أو.، أرفستاد، ل.، لاغرغرين، ج. (مايو 2006). "مسح جينومي شامل للجينات الكاذبة ذات الوظائف البيولوجية" . مجلة PLOS للبيولوجيا الحاسوبية . 2 (5): e46. Bibcode : 2006PLSCB...2...46S . doi : 10.1371/journal.pcbi.0020046 . PMC 1456316. PMID 16680195 .  
  23. ↑ تشانغ ز، غيرستين م (أغسطس 2004). "تحليل واسع النطاق للجينات الكاذبة في الجينوم البشري". الرأي الحالي في علم الوراثة والتطور . 14 (4): 328-335 . doi : 10.1016/j.gde.2004.06.003 . PMID 15261647 . 
  24. ↑ كيلي دي آر، ليو بي، ديلشر إيه إل، بوب إم، سالزبيرغ إس إل (يناير 2012). "التنبؤ بالجينات باستخدام برنامج غليمر لتسلسلات الميتاجينوم المعززة بالتصنيف والتجميع" . مجلة أبحاث الأحماض النووية . 40 (1): e9. doi : 10.1093 / nar/gkr1067 . PMC 3245904. PMID 22102569 .  
  25. ↑ هوسون دي إتش، ميترا إس، روشيفيه إتش جيه، ويبر إن، شوستر إس سي (سبتمبر 2011). "التحليل التكاملي للتسلسلات البيئية باستخدام MEGAN4" . أبحاث الجينوم . 21 (9): 1552-1560 . doi : 10.1101/gr.120618.111 . PMC 3166839. PMID 21690186 .  
  26. ↑ تشو و، لومسادزه أ، بورودوفسكي م (يوليو 2010). "تحديد الجينات من الصفر في تسلسلات الميتاجينوم" . أبحاث الأحماض النووية . 38 (12): e132. doi : 10.1093/nar/gkq275 . PMC 2896542. PMID 20403810 .  
  • أغسطس
  • FGENESH رابط مهمل مؤرشف بتاريخ 4 يناير 2013 على archive.today
  • GeMoMa - التنبؤ بالجينات بناءً على التشابه الجيني، وذلك بالاعتماد على حفظ الأحماض الأمينية ومواقع الإنترونات بالإضافة إلى بيانات تسلسل الحمض النووي الريبوزي (RNA-Seq).
  • geneid ، SGP2
  • تمت أرشفة Glimmer في 26 أغسطس 2011 على موقع Wayback Machine ، وتمت أرشفة GlimmerHMM في 18 أغسطس 2011 على موقع Wayback Machine.
  • GenomeThreader
  • الجينوم الكيميائي
  • جين مارك
  • جيزمو
  • mGene
  • StarORF — أداة متعددة المنصات وعلى الويب للتنبؤ بـ ORFs والحصول على تسلسل المكمل العكسي
  • تمت أرشفة هذا المشروع بتاريخ 3 أبريل 2016 على موقع Wayback Machine - وهو عبارة عن نظام محمول وسهل التكوين لشرح الجينوم