MMseqs2聚类可识别细菌蛋白质组假象

NAR Genomics and Bioinformatics 论文作者用 MMseqs2 聚类加后续过滤，筛选出至少覆盖 50% 已聚类蛋白质组的聚类，构建覆盖 95% 已聚类细菌的核心蛋白集，这些聚类通常涵盖细菌中超过 80% 的蛋白。 作者称，核心聚类长度高度均一，中位聚类中超过 99% 的蛋白处于众数长度，因此短于众数长度或超过众数长度 133% 的蛋白很可能是假象；短离群蛋白属于假象，至少 80% 的短离群基因组含有该蛋白的众数长度拷贝，只是因移码、终止密码子或起始密码子选择而未被识别。多数离群蛋白出现在不到 10% 的聚类中，“高离群”聚类集中在少数蛋白质组，这些蛋白质组的 BUSCO 片段评分往往较差。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。