组学技术的进步触发了来自数千种物种的大量数据的产生。同时，像基因本体论（GO）联盟这样的国际联合努力已经在努力为大量蛋白质提供功能信息。利用这些可用数据，我们开发了FunTaxIS，这是首次尝试结合功能和分类信息来推断功能分类（即功能如何在分类单元上分布）的工具。FunTaxIS能够通过利用注释频率来定义分类群特定的功能空间，从而确定某个功能是否可以用于注释某个物种。该工具在GO项和分类单元之间生成约束，然后在分类树和GO图上传播这些关系。由于这些约束几乎覆盖了整个分类法，因此有可能获得功能在分类法上的映射。FunTaxIS可用于在分类单元之间进行功能比较分析，检测分类单元和功能之间的不正确关联以及发现功能知识如何分布或缺失。已经设计了基于六个不同模型物种的基准测试集，以获取有关生成的分类规则的有用见解。



"点击查看英文标题和摘要"