當缺乏密切相關的參考基因組時，大多數的基因預測方法檢測的是來自轉錄組組件的編碼序列。這些方法的應用有限，因為高的轉錄本片段和廣泛的組裝錯誤，可能會導致多余的或錯誤的編碼序列預測。11月17日在國際學術期刊《Genome Biology》發表的一項研究中，來自中科院北京生命科學研究院的研究人員，提出了一種方法——inGAP-CDG，可以利用基于密碼子的de Bruijn圖表，構建來自未組裝轉錄組的完整長度的和非冗余的編碼序列，從而簡化了組裝過程。這項研究的通訊作者是中科院北京生命科學研究院的趙慶方研究員。
對于有參考基因組的物種來說，通常是用基于同源性的方法來預測功能基因，這可能通過將靶序列對準到近緣種的原始基因，來識別基因。然而，參考數據庫只代表一小部分現有的物種，從而限制了這些方法的使用。因此，依賴于已知參考基因組的基因預測方法，限制了我們對于新物種的功能性理解。當缺乏相關的參考基因組時，利用組裝基因組序列的從頭預測方法，從本質上說是比較困難的——由于訓練數據集的質量。
另外，可以基于從頭轉錄組組裝來進行基因預測，這可大大降低數據集的大小，并增加獲得的功能性信息。然而，這些方法都受到從頭轉錄組組裝質量的限制。因此，一種典型的轉錄組組裝，可能會導致大量的片段碎片、冗余和含有錯誤的轉錄本。因此，來自組裝轉錄本的同源基因數據集通常是不完整的、支離破碎的和冗余的，經常包含錯誤和異構體，從根本上歪曲了分子系統分析中對于直系同源的根本假設。
為了克服這個困難，并增加轉錄組數據集的效用，該研究小組開發了inGAP-CDG，這種算法可執行來自未組裝轉錄組的基因構建。相比較以前的方法，inGAP-CDG可預測直接來自于未組裝讀數的開放閱讀框（ORFs），利用一種監督式的支持向量機制（SVM），來過濾假陽性OPFs，并采用一種新型的基于密碼子的de Bruijn圖表，將純化的OPFs組裝成全長的CDSs。
注：趙方慶，博士，研究員。中科院“百人計劃”入選者。2001年獲青島海洋大學海洋生物學、計算機技術及其應用專業學士學位。2006年在中國科學院海洋研究所獲博士學位，研究方向為海洋微藻的進化基因組學。在此期間獲得了中國科學院院長特別獎（2006），中國科學院優秀博士論文（2007），國家海洋科學技術獎一等獎（2012）。2006年7月至2010年底在美國賓州州立大學比較基因組學和生物信息學研究中心，從事計算生物學和基因組學的研究工作。2010年10月被中國科學院北京生命科學研究院聘為“百人計劃”研究員，主要研究方向是計算基因組學。現為中國科學院北京生命科學研究院科研部副主任、計算生物學聯合研究中心秘書長、中國生物工程學會計算生物學專業委員會副主任委員、副秘書長。生物信息學國際刊物《Briefings in Bioinformatics》、《Hereditas》、《Genomics, Proteomics & Bioinformatics》編委。2012年獲得中國科學院“科技創新交叉與合作團隊”計劃的資助，成立了“計算基因組學”交叉合作團隊。承擔國家自然科學基金3項，中科院知識創新工程資助課題1項和中科院院長特別獎基金1項。目前，以第一作者或通訊作者身份在生物信息學和基因組學領域國際刊物發表學術論文40余篇。