Adam, Kolyfetis et al., 2022. Supplementary Data.

Compressed Supplementary Data files for (Adam, Kolyfetis, et al., 2022). File descriptions are given below and in more detail in the readme file. This is version 20220819. Data_S1 Data regarding all DUF phylogenies (taxonomic distributions, HMM profiles, homology search outfiles with and without e-value threshold, alignments, trimmed alignments, phylogeny runs), plus lists of genomes in local databases. Data_S2 Data regarding methanogenesis markers phylogenies from (Borrel et al., 2019) (HMM profiles, DIAMOND query sequences, homology search outfiles with and without e-value threshold, alignments, trimmed alignments, and phylogeny runs). Data_S3 Data regarding methanogenesis marker phylogenies from (Gao & Gupta, 2007) and phylogenies of Wood-Ljungdahl pathway and methyltransferase proteins (HMM profiles, DIAMOND query sequences, homology search outfiles with and without e-value threshold, alignments, trimmed alignments, and phylogeny runs), plus SyntTax outputs. Data_S4 Data regarding congruence tests and the concatenation phylogeny of Mcr. Data_S5 Data regarding congruence tests and the concatenation phylogeny of Mtr. Data_S6 Data regarding phylogenies of additional Eha, Ehb and Hcg proteins (HMM profiles, DIAMOND query sequences, homology search outfiles with and without e-value threshold, alignments, trimmed alignments, and phylogeny runs). Data_S7 Data regarding congruence tests and the concatenation phylogeny of Eha. Data_S8 Data regarding congruence tests and the concatenation phylogenies of Ehb. Data_S9 Data regarding all rooting analyses on the concatenations and the methyltransferases genes. Data_S10 Data regarding gene and site concordance factor calculations for all concatenations. Data_S11 Data regarding all Ancestral Sequence Reconstruction runs, homology searches of the ancestral sequences, trimmed ancestral sequences, and homology modeling of McrA. Data_S12 Data regarding congruence tests and the concatenation phylogenies of the Hcg proteins. Data_S13 Data regarding site-specific rate calculations, benchmarks, and all related statistical tests. Transmembrane segment prediction runs and statistical tests for their relationship eith site-specific rates. Data_S14 Data regarding the phylogenetic runs for the taxonomic placement of NRA7 (Archaeoglobi) and Bathyarchaeia metagenomic bins. Also data regarding AAI/ANI, biogeography, and 16S analyses, plus CheckM outfiles. Data_S15 Data regarding the results of the metabolic prediction (BlastKOALA/dbCAN2/HydDB/MEROPS) for the genomes studied. Data_S16 Custom scripts (same as in the manuscript's Github repository, along with their license and readme file) and a file with the R functions (statistics) used in the analyses. Changelog v5 (20220819) 1) Added Data_S16 (customs scripts, R functions). 2) Changed title to correspond to expected publication year for the manuscript, instead of the preprint. Changelog v4 (20220424) 1) Added the SyntTax csv outputs to Data_S3. Changelog v3 (20220422) 1) Added the names-assemblies files (lists of genomes) in Data_S1. 2) Changed filenames from "Supplementary_Data_N" to "Data_SN". Changelog v2 (20220411) 1) Numbering of Supplementary Data files changed to corrrespond to the revised manuscript. 2) Added MtsB phylogenetic analyses (Data_S3) and rooting (Data_S9). 3) Added taxonomic analyses (Data_S14) and metabolic predictions (Data_S15) for Hydrothermarchaeota and Geothermarchaeales. 4) Added phylogenetic analyses combining the large catalytic subunits of [NiFe] hydrogenase groups 4h (Eha) and 4i (Ehb) (Data_S6). 5) Added Pearson and updated Spearman correlations for rate calculation benchmarks (Data_S13). Added Spearman correlations for desaturation dataset benchmarks (Data_S14).本数据集为Adam、Kolyfetis等（2022）研究的压缩补充数据文件。各文件的详细说明见下文及配套README文件。本数据集版本号为20220819。 Data_S1：涵盖所有结构功能未知蛋白域（Domain of Unknown Function, DUF）的系统发育分析相关数据，包括分类分布信息、隐马尔可夫模型（Hidden Markov Model, HMM）配置文件、有无e值阈值的同源性搜索输出文件、比对序列、修剪后比对序列、系统发育运行结果，以及本地数据库中的基因组列表。 Data_S2：涵盖源自Borrel等（2019）的产甲烷作用标记物系统发育相关数据，包括HMM配置文件、DIAMOND查询序列、有无e值阈值的同源性搜索输出文件、比对序列、修剪后比对序列及系统发育运行结果。 Data_S3：涵盖源自Gao与Gupta（2007）的产甲烷作用标记物系统发育数据，以及Wood-Ljungdahl途径与甲基转移酶蛋白的系统发育数据，包括HMM配置文件、DIAMOND查询序列、有无e值阈值的同源性搜索输出文件、比对序列、修剪后比对序列及系统发育运行结果，另包含SyntTax分析输出结果。 Data_S4：涵盖Mcr蛋白串联系统发育与一致性检验相关数据。 Data_S5：涵盖Mtr蛋白串联系统发育与一致性检验相关数据。 Data_S6：涵盖额外Eha、Ehb及Hcg蛋白的系统发育相关数据，包括HMM配置文件、DIAMOND查询序列、有无e值阈值的同源性搜索输出文件、比对序列、修剪后比对序列及系统发育运行结果。 Data_S7：涵盖Eha蛋白串联系统发育与一致性检验相关数据。 Data_S8：涵盖Ehb蛋白串联系统发育与一致性检验相关数据。 Data_S9：涵盖所有针对串联序列与甲基转移酶基因的系统发育定根分析相关数据。 Data_S10：涵盖所有串联序列的基因与位点一致性因子计算相关数据。 Data_S11：涵盖所有祖先序列重建（Ancestral Sequence Reconstruction, ASR）运行结果、祖先序列的同源性搜索、修剪后祖先序列，以及McrA的同源建模数据。 Data_S12：涵盖Hcg蛋白串联系统发育与一致性检验相关数据。 Data_S13：涵盖位点特异性速率计算、基准测试及所有相关统计检验数据，另包含跨膜区段预测运行结果，以及其与位点特异性速率间相关性的统计检验数据。 Data_S14：涵盖NRA7（隶属于古生球菌纲Archaeoglobi）与深古菌门（Bathyarchaeia）宏基因组分箱的分类学定位系统发育运行数据，另包含平均氨基酸同一性（Average Amino Acid Identity, AAI）/平均核苷酸同一性（Average Nucleotide Identity, ANI）分析、生物地理学分析、16S分析数据，以及CheckM分析输出文件。 Data_S15：涵盖所研究基因组的代谢预测结果（BlastKOALA/dbCAN2/HydDB/MEROPS）。 Data_S16：自定义脚本（与论文GitHub仓库中的脚本一致，附带其许可证与README文件），以及一份包含分析所用R统计函数的文件。 更新日志v5（20220819） 1) 新增Data_S16（自定义脚本与R函数文件）。 2) 修改数据集标题以匹配论文预计发表年份，而非预印本版本标题。 更新日志v4（20220424） 1) 向Data_S3中新增SyntTax CSV格式输出文件。 更新日志v3（20220422） 1) 向Data_S1中新增名称-组装文件（基因组列表）。 2) 将文件名从“Supplementary_Data_N”更改为“Data_SN”格式。 更新日志v2（20220411） 1) 调整补充数据文件的编号以匹配修订后的论文稿件。 2) 新增MtsB系统发育分析（Data_S3）与系统发育定根分析（Data_S9）。 3) 为热深海古菌门（Hydrothermarchaeota）与地热古菌目（Geothermarchaeales）新增分类学分析（Data_S14）与代谢预测分析（Data_S15）。 4) 新增结合[NiFe]氢化酶第4h组（Eha）与第4i组（Ehb）大型催化亚基的系统发育分析（Data_S6）。 5) 为速率计算基准测试新增Pearson相关系数与更新后的Spearman相关系数（Data_S13）。为去饱和数据集基准测试新增Spearman相关系数（Data_S14）。