Pan-genome-scale network reconstruction: a framework to increase the quantity and quality of metabolic network reconstructions throughout the tree of life
Notice bibliographique
Résumé
ABSTRACT A genome-scale network reconstruction (GENRE) represents the knowledgebase of an organism and can be used in a variety of applications. The drop in genome sequencing costs has led to an increase in sequenced genomes, but the number of curated GENRE’ s has not kept pace. This gap hinders our ability to study physiology across the tree of life. Furthermore, our analysis of yeast GENRE’ s has found they contain significant commission and omission errors, especially in central metabolism. To address these quantity and quality issues for GENRE’ s, we propose open and transparent curation of the pan-genome, pan-reactome, pan-metabolome, and pan-phenome for taxons by research communities, rather than for a single species. We outline our approach with a Fungi pan-GENRE by integrating AYbRAH, our ortholog database, and AYbRAHAM, our new fungal reaction database. This pan-GENRE was used to compile 33 yeast/fungi GENRE’ s in the Dikarya subkingdom, spanning 600 million years. The fungal pan-GENRE contains 1547 orthologs, 2726 reactions, 2226 metabolites, and 10 compartments. The strain GENRE’ s have a wider genomic and metabolic than previous yeast and fungi GENRE’ s. Metabolic simulations show the amino acid yields from glucose differs between yeast lineages, indicating metabolic networks have evolved in yeasts. Curating ortholog and reaction databases for a taxon can be used to increase the quantity and quality of strain GENRE’ s. This pan-GENRE framework provides the ability to scale high-quality GENRE’ s to more branches in the tree of life.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».