跳到正文
bioRxiv· Kosmopoulos, J. C.; Martin, C.; Wainaina, J. M.; Bolduc, B.; Urvoy, M.; Sullivan, M. B.; Anantharaman, K.·· 来源仅提供日期AI 评分57

CheckAMG:用基因组语言模型准确识别病毒辅助基因

CheckAMG: Accurate Identification of Auxiliary Viral Genes with Genome Language Models

AI 导读

Kosmopoulos 等提出 CheckAMG,将基于注释的病毒辅助基因预测与微调的基因组语言模型结合,用于不依赖注释的发现。在三种生态系统中与 DRAM-V 和 VIBRANT 进行基准对比,CheckAMG 给出更多有强支持的 AMG 判定,并报告辅助生理基因与调控基因。

预印本 · biorxiv · 10.64898/2026.09.23.753886

本站摘要基于收录版本 v2(2026-11-11),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v2

摘要 · AI 翻译

病毒通过辅助病毒基因(AVGs)重塑微生物代谢,这些基因在感染过程中重新编程宿主的代谢、生理和基因调控。识别 AVGs 之所以复杂,是因为病毒与细胞来源的归属存在模糊性、人工整理标准不一致,以及对序列同源性的依赖会遗漏功能差异较大的基因。在此我们提出 CheckAMG,它将基于注释的 AVG 预测(通过逐基因病毒评分系统和代谢功能的本体映射进行人工整理)与经过微调的基因组语言模型相结合,实现不依赖注释的发现。在三个生态系统中与 DRAM-V 和 VIBRANT 进行基准比较,CheckAMG 产生了证据支持更强的辅助代谢基因(AMG)判定,并且在所有 AMG 工具中独一无二地报告了辅助生理基因(APGs)和辅助调控基因(AReGs)。将其应用于 1,005,980 个片段化或完整的土壤及人类肠道病毒基因组,CheckAMG 鉴定出 541,199 个 AVGs,追踪了具有生态系统特异性的蛋白质簇和功能,其中 109,107 个与任何参考数据库均无可检测的序列相似性。因此,CheckAMG 提供了一个可重复、可扩展的框架,用于识别病毒重新编程宿主生物学所依赖的基因。

来源:bioRxiv · biorxiv.org