朝着原核生物结构基因组注释的标准化迈进

背景：为了找出在原核生物基因组中寻找基因的最佳实践，并将其作为自动注释管道的标准，收集了来自各种公共资源的1,004,576个肽，并用于评估各种基因调用方法。这些肽来自45个细菌复制子，平均GC含量从31%到74%，偏向于较高GC含量的基因组。使用自动、手动和半手动方法来统计三种广泛使用的基因调用方法中的错误，证据是肽映射在调用的基因边界之外。结果：我们发现，三种方法预测的一致基因集仅占各个方法预测基因的约70%（要求起始和结束重合）。肽数据对于评估基因调用者之间的一些差异很有用，但由于任何蛋白质组学研究固有的局限性，结果并不可靠到足以使结果具有结论性。结论：从本分析中没有出现单一、明确、一致的最佳实践，因为现有的蛋白质组学数据不足以提供准确性差异的客观测量。然而，由于这项研究，参与者之间的软件、参考数据和程序得到了更好的匹配，代表着朝着急需标准化迈进的一步。在缺乏足够实验数据以实现通用标准的情况下，我们的建议是，社区可以使用这些方法中的任何一种，只要在比较的所有数据集中采用单一方法。