Using Phylogeny and a Conserved Genomic Neighborhood Analysis to Extract and Visualize Gene Sets Involved in Target Gene Function: The Case of [NiFe]-hydrogenase and Succinate Dehydrogenase
Notice bibliographique
Résumé
Several enzymes have subunits that require the addition of cofactors or maturation of the active center, which is facilitated by other genes. Information on these functionally-related genes not only aids in the functional anal-ysis of target genes, but is also useful for heterologous expression. In the present study, we analyzed the homologs of a target gene and their relationships with adjacent genes within the genome by constructing clusters of neighboring genes, quantifying the number of clustered genes, and examining their conservation in a taxonomic clade of target gene homologs. [NiFe]-hydrogenase was selected as the target because of the availability of a concrete database for subsequent evaluations in our anal-ysis. The present results indicate that genes associated with target gene function were conserved according to the molecular phylogeny of the target gene. We subsequently introduced automated clustering of the phylogenetic tree clade of clustered genes and applied this method to large datasets not yet analyzed and our previous data. The results obtained suggest that this approach provides insights into a comprehensive set of genes involved in cellular functions, particularly when the genes being analyzed are complex and require maturation. The procedure developed herein also provided similar and reproducible results on previously analyzed succinate dehydrogenase, which was not arbitrary.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».