PatchWorkPlot: simultaneous visualization of local alignments across multiple sequences
PatchWorkPlot通过将多个注释序列的两两比对点图组合成单一矩阵,实现结构变异的同步可视化,以Python 3实现并开源。
2025-03-25 q-bio.QM
An improved scoring matrix for multiple sequence alignment
进行多个序列比对的方式是基于从权重矩阵计算的最大评分信息内容的标准,但可能有两个或更多个比对具有相同的最高评分,导致选择最佳比对时的模糊性。本文通过引入联合权重矩阵的概念来消除多序列比对中最佳序列比对选择的随机性。利用改进的评分矩阵,对评分相等的比对进行迭代重评分,直到找到一个最佳比对,从而解决多序列序列比对中的多义性问题。
2014-02-28 q-bio.GN q-bio.QM
Multiple sequence alignment based on set covers
我们介绍了一种新的启发式的一组序列的多重比对。启发式是基于序列的残基字母表的集合覆盖,并且还基于包括待比对序列的序列顺序的重要块集合的确定。这些块的援助下获得的一个新的数据结构,称为后缀集树,这是从输入序列的指导下的剩余字母集覆盖和推广众所周知的后缀树的序列集。我们提供了选定的BAliBASE氨基酸序列的性能结果,并将它们与一些突出的方法产生的结果进行比较。
2004-12-10 q-bio.QM
Detecting the homology of DNA-sequences based on the variety of optimal alignments: a case study
我们考虑了一种新的方法来衡量的同源性的DNA序列的最长共同子序列意义上的各种最佳比对的基础上。在四个基因的同源性测量中,该方法与BLAST进行了比较。
2012-10-14 q-bio.QM stat.AP
An Overview of Multiple Sequence Alignment Systems
综述了目前的多重比对系统,介绍了有用的算法,所采用的程序及其局限性,我们还介绍了所获得的比对的质量,以及在哪些情况下(比对的种类,序列的种类等),特定的系统是有用的。
2009-01-18 cs.DS q-bio.GN q-bio.QM
Multiple sequence alignment for short sequences
多序列比对序列比对(MSA)是生物信息学中最重要的问题之一,至今仍受到许多数学家和生物学家的重视。然而,大多数情况下,由于该问题的实际动机,对该主题的研究集中在比对长序列。这是可以理解的,因为需要比对的序列(通常是DNA或蛋白质序列)通常很长(例如,例如,在一个实施例中,至少30-40个字符)。然而,MSA究竟在哪里开始成为一个真正的难题是一个具有挑战性的问题(因为众所周知MSA是NP完全的[2]),回答这个问题的关键是检查短序列。如果短序列的最佳比对可以在多项式时间内确定,那么这些结果可能有助于开发更快或更准确的启发式算法来比对长序列。在这项工作中,它表明,长度为1的序列使用任意度量,以及长度为2的序列使用单位度量,最佳的MSA问题可以实现平凡对齐。
2015-11-15 cs.DS q-bio.QM
Score distributions of gapped multiple sequence alignments down to the low-probability tail
通过了解随机序列的分数分布,可以评估最佳比对的DNA或氨基酸序列的比对分数的显著性。但这需要获得生物学相关的高分区域的分布,其中概率呈指数级小。对于无限长序列的无间隙局部比对,该分布在分析上已知遵循Gumbel分布。有限长度的有间隙的局部排列和全局排列的分布只能用数值方法得到。为了获得小概率区域的结果,可以应用特定的基于统计力学的稀有事件算法。在以前的研究中,这是实现成对比对。他们表明,与以前简单抽样研究的结果相反,在有限序列长度的情况下,Gumbel分布会发生强烈的偏差。在这里,我们将研究扩展到分子生物学中更相关的多个序列比对与缺口的实际应用。我们研究了全局和局部(对得分总和)多重比对的得分在大范围支持度上的分布,达到的概率小到10^-160。我们发现,即使经过适当的重新缩放,消除序列长度的依赖性,多个对齐的分布不同于成对对齐的情况。此外,我们还表明,前面讨论的高斯校正Gumbel分布需要细化,也是成对对齐的情况下。
2015-12-07 cond-mat.dis-nn q-bio.QM
High Speed All-optical extended DV-Curve-based DNA sequence alignment utilizing wavelength and polarization modulation
本文提出了一种新的光学处理方法,用于探索基因组序列建立在光学相关器的全局比对和扩展DV曲线方法的局部比对。为了克服传统DV-曲线方法不能给出精确和简化的输出结果的问题,我们提出了HAWPOD,建立在DV-曲线方法的基础上,通过五个步骤来分析基因组序列:DNA编码、比对、噪声消除、简化和修改。此外,全光学实现的HAWPOD方法的开发,而其准确性进行了验证,通过数值模拟在LUMERICAL FDTD。实验结果表明,该方法比基本局部比对搜索工具等电学方法快得多。
2017-12-27 q-bio.GN q-bio.QM
Who Watches the Watchmen? An Appraisal of Benchmarks for Multiple Sequence Alignment
多序列比对(MSA)是生物信息学中一种基本的、普遍存在的技术,用于推断生物序列间的相关残基。因此,比对准确性对于大范围的分析至关重要,通常在这些分析中难以评估。为了比较不同校准器的性能并帮助检测校准中的系统误差,已经采用了许多基准测试策略。在这里,我们提出了一个主要策略的概述-基于模拟,一致性,蛋白质结构和同源性-并讨论他们的不同优势和相关的风险。我们概述了一组理想的特征,有效的基准,并根据它们评估每个战略。我们的结论是,目前还没有普遍适用的基准MSA的手段,开发人员和用户的对齐工具应该根据他们的基准选择的应用程序的背景下-与每个基准策略的假设基础的敏锐的意识。
2012-11-09 q-bio.QM
Fast sequence to graph alignment using the graph wavefront algorithm
动机:泛基因组图表示基因组的集合,并编码它们之间的序列变异。它是研究多个相似基因组的强大数据结构。序列图比对是构建和分析泛基因组图的重要步骤。然而,现有的算法产生的运行时间成正比的产品的序列长度和图的大小,使他们低效的比对长序列对大型图。结果:我们提出了图形波前对齐算法(Gwfa),一个新的方法对齐序列的序列图。虽然Gwfa的最坏情况下的时间复杂度与现有算法相同,但它的设计是为了更快地运行紧密匹配的序列,并且其运行时间在实践中通常仅随着最佳比对的编辑距离适度增加。在四个真实数据集上,Gwfa比其他精确序列到图比对算法快四个数量级。我们还提出了一个图形修剪启发式Gwfa,它可以实现额外的$\sim$ 10倍的加速大型图。可用性:Gwfa代码可在www.example.com上访问。
2022-06-27 q-bio.GN q-bio.QM
An Algorithm for Alignment-free Sequence Comparison using Logical Match
本文提出了一种基于逻辑匹配的无冗余序列比较算法。在这里,我们使用从匹配和不匹配的数量自动生成的模糊隶属度值来计算分数。用人工数据和实际数据对该方法进行了验证。通过分析NCBI数据库中的DNA序列,结果表明了所提出的方法的独特性,具有新的计算时间。
2014-07-06 cs.CE q-bio.QM
A time warping approach to multiple sequence alignment
我们提出了一种方法,多序列比对(MSA)来自动态时间规整的观点和最近的曲线同步技术的背景下开发的功能数据分析。从所有序列的成对比对开始(被视为特定空间中的路径),我们构建了一个代表我们正在寻找的MSA的中值路径。我们建立了一个概念证明,我们的方法可能是一个有趣的成分,包括到完善的MSA技术。我们提出了一个简单的合成实验,以及基准数据集的研究,与2个广泛使用的MSA软件的比较。
2017-01-06 q-bio.QM stat.AP
A statistical physics perspective on alignment-independent protein sequence comparison
在生物信息学中,氨基酸序列的文本比对长期以来一直主导着蛋白质之间相似性的确定,所有这些都意味着共享的结构,功能和进化血统。尽管现代序列比对算法相对成功,但所谓的无重复比对方法提供了确定和表达相似性的补充手段,在某些关键应用中具有潜在益处,例如蛋白质结构-功能研究的回归分析,其中重复碱基相似性表现不佳。在这里,我们提供了一个新的,基于统计物理学的角度,专注于无干扰比较的问题,在这个过程中,从“第一次通过概率分布”的结果,总结总体平均氨基酸倾向值的统计。在这篇文章中,我们介绍和阐述这种方法。
2016-02-09 q-bio.BM q-bio.QM
HAlign-II: efficient ultra-large multiple sequence alignment and phylogenetic tree reconstruction with distributed and parallel computing
多序列比对(MSA)在生物序列分析,特别是系统发育树的构建中起着关键作用。下一代测序的急剧增加导致缺乏有效的超大型生物序列比对方法来应对不同的序列类型。分布式和并行计算是加速超大型序列分析的关键技术。基于HAlign和Spark分布式计算系统,我们实现了一个高性价比和高时效的HAAlign-II工具,用于解决超大规模多生物序列比对和系统发育树构建问题。实验结果表明:1)HAlign-II能够高效地进行MSA,构建超大生物序列的系统发生树; 2)HAlign-II具有极高的内存效率,并能随着计算资源的增加而扩展; 3)HAlign-II提供了一个基于我们的分布式计算架构的用户友好的Web服务器。在http://lab.malab.cn/soft/halign上建立了具有开放源代码和数据集的HAlign-II。
2017-04-04 cs.DC q-bio.QM
From Protein Interactions to Functional Annotation: Graph Alignment in Herpes
序列比对形成了通过系统发育比较进行功能注释的许多方法的基础,但是在高序列差异和短基因长度的“黄昏”区域变得不可靠。在这里,我们进行了两个疱疹病毒,VZV和KSHV,与一个混合的方法称为图形对齐的跨物种比较。该方法是基于共同的蛋白质相互作用网络的相似性和序列相似性。在我们的比对中,我们发现开放阅读框的相互作用相似性与低水平的序列相似性一致,从而证实了进化关系。此外,我们发现高水平的开放阅读框之间的相互作用相似性,没有任何可检测的序列相似性。从该比对得到的功能预测与基因组位置和基因表达数据一致。
2007-07-09 q-bio.MN q-bio.QM
Alignment-Free Sequence Analysis and Applications
基于大量下一代测序(NGS)数据的基因组和宏基因组比较由于巨大的数据大小和相对较短的读段长度而对基于测序的方法提出了重大挑战。基于NGS数据中单词模式计数的无比对方法不依赖于完整的基因组,并且通常计算效率高。因此,它们对基因组和宏基因组比较有显著贡献。最近,新的统计方法已被开发用于比较长序列和鸟枪序列。这些方法已被应用于许多问题,包括基因调控区,基因组序列,宏基因组,在宏基因组数据中的合并重叠群的比较,病毒-宿主相互作用的鉴定,和水平基因转移的检测。我们提供了一个更新的审查这些应用程序和其他相关的发展字计数为基础的方法进行无干扰序列分析。
2018-03-26 q-bio.GN q-bio.QM
DNA Sequence Alignment by Window based Optical Correlator
在基因组学中,针对核苷酸序列的模式匹配对于DNA序列比对和比较基因组起着关键作用。这有助于治疗一些疾病,如人类癌症。在大型数据库中搜索生物序列的复杂性使得序列比对问题成为生物信息学中一个具有挑战性的研究领域。为了解决这一问题,人们进行了大量的研究,并以电子计算机为基础。在电子计算机中处理这个巨大的数据库所需的大量计算导致了用于电气处理和冷却的大量能量消耗。另一方面,光学处理由于其并行性质而比电对应物快得多,能耗水平和成本仅为其一小部分。本文提出了一种基于光学并行处理的算法,不仅可以定位序列之间的相似性,而且可以确定编辑的确切位置。该算法首先将读序列划分为若干个窗口,然后并行计算它们与参考序列的相关性。并行使用多个基于超材料的光调制器来光学地实现该架构。设计限制和挑战的架构也进行了详细讨论。仿真结果表明,与著名的BLAST算法相比,该算法具有速度快、精度高、功耗低等优点。
2017-10-03 q-bio.QM
Covariance in protein multiple sequence alignments using groups of columns
在多个序列比对中检测列对之间的协方差的算法通常用于预测功能上重要的残基和结构接触。然而,协方差仅发生在蛋白质中的单个残基之间的假设更多地是由计算便利性而不是基本的蛋白质结构驱动的。在这里,我们开发了一种新的算法,它定义了两组列之间的协方差得分,其中每组表示对齐中的一段连续列。我们定义了一个测试集,该测试集由超过1,100个PFAM家族的二级结构元素(α-螺旋和β-链)组成。使用这些对齐来预测在结构上物理上接近的片段,我们表明我们的方法大大优于聚合对单个列对进行操作的算法的结果的方法。我们的方法表明,考虑超出对列的蛋白质单位可以提高协方差算法的功率和效用。
2014-01-06 q-bio.QM
FPGA Acceleration of Sequence Alignment: A Survey
基因组学正在改变我们对人类,进化,疾病和药物的理解,仅举几例。随着测序技术的发展,收集DNA序列需要更少的时间,从而每天产生更多的遗传数据。今天,生成基因数据的速度超过了计算能力的增长速度。目前的测序仪每天可以对50个人类基因组进行测序;然而,将读取序列与参考基因组进行比对并组装基因组将需要1300个CPU小时。构建基因组的主要步骤是将读数与参考基因组进行比对。已经提出了许多加速器来加速DNA比对过程。基于FPGA的加速器提供了大量的并行性,在加速DNA比对算法方面表现出了出色的性能。此外,基于FPGA的加速器提供比通用处理器更好的能效。本文介绍了三种主要的DNA比对算法,以及这些算法的FPGA实现,以加速DNA比对。我们还比较了这三种对齐类别,并展示了加速器在此期间的发展情况。
2020-07-28 cs.AR q-bio.GN q-bio.QM
Optimal Detection of Sequence Similarity by Local Alignment
从理论上分析了不相关和相关DNA序列的带缺口局部比对算法的统计特性。在附近的对数线性相变,与间隙的对齐的统计被证明是从无间隙对齐的特征不同。不相关序列的最佳得分服从一定的鲁棒标度律。偏离这些标度律信号序列同源性,并可用于指导评分参数的经验选择,用于序列相似性的最佳检测。这可以通过使用专注于分数景观的新颖方法以计算高效的方式来实现。此外,通过假设一些粗略的特征表征潜在的序列-序列相关性的统计数据,获得了用于选择最佳评分参数的定量标准:最佳相似性检测最有可能发生在接近对数线性相变的对数侧的区域中。
1998-02-12 cond-mat.stat-mech physics.bio-ph q-bio.QM
Hypercomplex cross-correlation of DNA sequences
提出DNA的超复数表示法,改进点矩阵分析、动态规划和互相关方法以对齐模糊组成的DNA序列,通过新评分系统和超复数互相关分离匹配与不匹配信息,优化基序扫描。
2023-08-01 q-bio.QM
A Fast Template Based Heuristic For Global Multiple Sequence Alignment
生物技术的进步为许多生物序列提供了大量的功能、结构和基因组数据。异质生物学数据的可用性增加导致了生物学应用中需要多序列比对(msa)来比对相似特征,其中特征以结构、功能或进化术语描述。在这些应用中,对于一组给定的序列,取决于感兴趣的特征,最佳msa可能是不同的,并且序列相似性只能用作对msa准确性的粗略初始估计。这促使了基于模板的序列比对的发展,基于模板的序列比对用进化、结构和功能数据补充序列信息,并利用特征相似性而不是序列相似性来构建生物学上更准确的多序列比对。然而,当前用于设计基于模板的特征分析的框架不允许用户明确地指定可以帮助将特征分类为类型的信息以及表示特征相对于其他特征的相对重要性的关联权重。在本文中,我们首先提供了一种机制,作为模板信息的一部分,用户可以明确指定每个功能,其类型和权重。类型是基于特征的特性将特征分类为不同的类别,权重表示特征相对于该序列中其他特征的相对重要性。其次,我们利用上述信息来定义成对序列比对的评分模型,该模型假设片段保守性而不是单个字符(残基)保守性。最后,我们提出一个快速渐进式比对的启发式框架,有助于有效地构建一个全球msa。
2013-02-25 cs.CE q-bio.QM
Beyond similarity assessment: Selecting the optimal model for sequence alignment via the Factorized Asymptotic Bayesian algorithm
配对隐马尔可夫模型(PHOTO)是用于成对序列比对的概率模型,这是生物信息学中的一个典型问题。PHP包含三种隐藏状态:匹配、插入和删除。大多数以前的研究使用一个或两个隐藏状态的每一个PHMM状态类型。然而,很少有研究已经检查的状态的数量适合表示序列数据或提高比对精度。我们开发了一种新的方法来选择优越的模型(包括隐藏状态的数量)PHMM。我们的方法使用因子化信息准则(FIC)选择具有最高后验概率的模型,该准则广泛用于隐变量概率模型的模型选择。仿真结果表明,该方法具有良好的模型选择能力,对准精度略有提高。我们将我们的方法应用于5个和28个物种的DNA数据集,最终选择了比以前研究中使用的模型更复杂的模型。
2017-10-15 q-bio.QM stat.ML
Adaptive BLASTing through the Sequence Dataspace: Theories on Protein Sequence Embedding
我们认为系统发育谱提供了一种定量方法,可以将蛋白质的结构和功能特性以及它们的进化关系联系起来。系统发育谱的一个关键特征是可互操作的数据格式(例如比对信息、生理化学信息、基因组信息等)。事实上,我们以前已经证明了位置特异性评分矩阵(PSSM)是一个信息M维,可以从嵌入或未修饰的序列比对的定量测量进行评分。此外,从这些比对中获得的信息是有用的,即使在序列相似性的模糊区(<25%同一性)(1-5)。虽然强大,我们以前的嵌入策略遭受污染对齐(嵌入和未修改)和计算费用。在这里,我们描述了一个启发式嵌入策略(自适应GDDA-BLAST,Ada-BLAST)的逻辑和算法过程。Ada-BLAST平均快约19倍,与我们以前的方法具有相似的灵敏度。此外,我们提供的数据表明嵌入式对齐测量隔离二级结构元件和分类跨膜结构域的结构/功能的好处。我们推测,序列嵌入是多种方式之一,低身份比对可以测量和纳入高性能的PSSM为基础的系统发育概况。
2009-11-03 q-bio.GN q-bio.QM
Alignment Metric Accuracy
我们提出了一个度量空间的多个序列比对,可以用来比较两个比对彼此。在比对之一是参考比对的情况下,所得的准确度测量改进了先前的方法,并且提供了对匹配和间隙两者的保真度的平衡评估。此外,在参考比对不可用的情况下,我们提供了经验证据表明,从一个程序产生的比对到来自其他程序的预测比对的距离可以用作多个比对实验的对照。特别是,我们表明,低精度对齐可以有效地识别和丢弃。我们还表明,在成对的序列比对的情况下,有可能找到一个对齐,最大限度地提高我们的准确性措施的预期值。与以前基于预期准确性比对的方法不同,这些方法往往以牺牲特异性为代价来最大化灵敏度,我们的方法能够识别不可识别的序列,从而提高整体准确性。此外,该算法允许通过调整单个参数来控制灵敏度/特异性权衡。这些结果证实了模拟研究表明,不可分割的区域可以区分同源,保守的序列。最后,我们提出了一个扩展的成对比对方法的多重比对。我们的方法,我们称之为AMAP,优于现有的蛋白质序列多比对程序的基准数据集。网站服务器和软件下载可在http://bio.math.berkeley.edu/amap/上获得。
2005-10-27 math.ST q-bio.QM stat.TH
Using Sequence Alignments to Predict Protein Structure and Stability With High Accuracy
我们提出了一种基于序列的概率形式主义,直接解决了蛋白质相互作用位置网络中的合作效应,提供了显着改善的接触预测,以及由于多个突变的非加性效应的自由能变化的准确定量预测。除了这些实际的考虑,我们的基于序列的计算与实验数据的结构和稳定性的协议表明,由自然进化过程中产生的蛋白质序列的统计分布之间的关系很强,这些序列的结构的热力学稳定性折叠。
2012-07-10 q-bio.BM q-bio.QM
Sample-Align-D: A High Performance Multiple Sequence Alignment System using Phylogenetic Sampling and Domain Decomposition
多序列比对是计算生物学中计算量最大的任务之一。用于多序列比对的现有最佳已知解决方案花费数小时(在某些情况下为数天)的计算时间来比对例如平均长度为300的2000个同源序列。受并行处理中的样本排序方法的启发,本文提出了一种高度可扩展的多处理器解决方案,用于遗传多样性序列中的MSA问题。我们的方法采用了一个智能的计划,使用kmer计数为基础的相似性指数,称为k-mer秩的序列集划分成更小的子集。然后使用任何顺序方法独立并行对齐每个子集。使用从整个集合的全局祖先导出的约束来实现局部对准的进一步微调。提出的Sample-Align-D算法已在一个工作站集群上使用MPI消息传递库实现。所提出的解决方案的准确性已在标准基准测试,如PREFAB。由我们的方法产生的对齐的准确性是众所周知的顺序MSA技术相媲美。我们能够在16个节点的集群上使用Sample-Align-D在不到10分钟的时间内从Methanosarcina acetivorans基因组中比对2000个随机选择的序列,而在单个集群节点上运行的顺序MUSCLE系统超过23小时。
2009-01-18 cs.DC q-bio.GN q-bio.QM
PEACH Tree: A Multiple Sequence Alignment and Tree Display Tool for Epidemiologists
PEACH Tree是一个易于使用的在线工具,用于并排显示多个序列比对和系统发育树。PEACH Tree是一个强大的工具,可以快速追踪进化和传播历史,通过过滤不变的网站,并允许样本容易地从显示中过滤出来。这些功能加上显示流行病学元数据的能力,使该工具适用于传染病流行病学。PEACH Tree进一步实现了基因组学和传染病流行病学领域之间急需的沟通,如COVID-19大流行病。
2021-12-12 q-bio.GN q-bio.PE q-bio.QM
Tree decomposition and parameterized algorithms for RNA structure-sequence alignment including tertiary interactions and pseudoknots
我们提出了一个一般的设置在一个大类的RNA结构的结构序列比较,统一和概括了一些最近的作品对特定的家庭结构。我们的方法是基于树分解的结构,并给出了一个一般的参数化算法,其中指数部分的复杂性取决于家庭的结构。对于以前研究的每个家庭,我们的算法具有相同的复杂性,以前已经给出的具体算法。
2012-06-17 cs.DS q-bio.QM
Phylogenetic automata, pruning, and multiple alignment
我们提出了一个扩展的Felsenstein的算法的indel模型上定义的整个序列,而不需要一个多重比对的条件。该算法利用概率替代矩阵加权有限状态传感器的泛化。我们的方法可以等效地被看作是一个渐进的多个序列比对的概率公式,使用偏序图来表示祖先序列的系综配置文件。我们提出了一个分层随机逼近技术,使该算法易于处理的合理规模的比对分析。
2014-10-23 q-bio.GN q-bio.PE q-bio.QM
Global Alignment of Molecular Sequences via Ancestral State Reconstruction
分子系统发育学技术通常不能解释诸如位点插入和缺失(称为插入缺失)等常见的进化事件。相反,树构建算法和祖先状态推断程序通常依赖于序列进化的仅替换模型。在实践中,这些方法被扩展超出这个简化的设置与使用的questionistics,产生全局比对的输入序列-一个重要的问题,没有严格的基于模型的解决方案。在本文中,我们考虑一个新版本的多序列比对的背景下,随机indel模型。更确切地说,我们介绍了以下{ \em跟踪重建问题的树}(TRPT):一个二进制序列是通过树的通道,我们允许替换,删除和插入广播,我们试图重建原始序列从收到的序列在树叶的树。我们给出了一个递归的过程,这个问题具有较强的重建保证在低突变率,也提供了一个对齐的序列在树叶的树。在先前的工作中已经研究了没有indel的TRPT问题(Mossel 2004,Daskalakis等人2006),作为获得最佳系统发育重建方法的自举步骤。目前的工作建立了一个框架,这些工作扩展到进化模型与indels。
2009-12-14 cs.DS math.PR math.ST
Small Coupling Expansion for Multiple Sequence Alignment
本文提出基于消息传递与自由能小耦合展开的多序列比对算法,以线性链近似为零阶,突破位点独立剖面模型限制,并在生物序列上验证其性能。
2023-04-27 cond-mat.dis-nn physics.bio-ph q-bio.BM
Finite-temperature local protein sequence alignment: percolation and free-energy distribution
序列比对是生物信息学中的一种工具,用于在大型分子数据库中发现同源关系。它可以映射到无规介质中定向聚合物的物理模型上。我们认为,有限温度版本的本地序列比对蛋白质和研究之间的过渡的线性阶段和生物相关的对数阶段,其中的自由能增长线性或grammically与序列长度。通过数值模拟和有限尺寸标度分析,我们确定了由间隙成本和温度跨越的平面中的相图。我们使用最常用的参数集进行蛋白质比对。描述参数驱动的过渡的临界指数被发现是明确的温度依赖性。此外,我们研究的(自由)能量分布的形状接近过渡的稀有事件模拟的顺序$10^{-64}$的概率。众所周知,在对数区域中,最佳分数分布(T=0)由修改的Gumbel分布描述。我们确认,这也适用于自由能分布($T>0$)。然而,在线性阶段,分布交叉到修改的高斯分布。
2009-07-13 cond-mat.dis-nn cond-mat.stat-mech q-bio.QM
A context dependent pair hidden Markov model for statistical alignment
本文提出了一种新的方法来统计比对的核苷酸序列,通过引入一个上下文依赖的结构的替代过程中的基本进化模型。我们建议估计依赖于两个同源序列的观察对齐和上下文相关的突变率。该过程是基于一个广义的对隐马尔可夫结构,其中有条件的比对路径,核苷酸序列遵循马尔可夫分布。我们使用一个随机逼近期望最大化(saem)算法,给出精确的参数估计和路线。我们提供了模拟数据和脊椎动物基因组的结果,已知CG二核苷酸具有高突变率。特别是,我们建立的方法提高了人类假基因和其功能基因的比对的准确性。
2011-07-14 math.ST q-bio.QM stat.TH
Optimizing scoring function of dynamic programming of pairwise profile alignment using derivative free neural network
具有位置特异性评分矩阵(PSSM)的谱比较方法是最准确的比对方法之一。目前,余弦相似度和相关系数被用作动态规划的评分函数来计算PSSM之间的相似度。然而,不清楚这些函数对于轮廓对准方法是最佳的。至少,根据定义,这些函数不能捕获配置文件之间的非线性关系。因此,在本研究中,我们试图发现一种新的评分函数,这是更适合的轮廓比较方法比现有的。首先将传统的神经网络与进化策略优化方法相结合,实现了一种新的无导数神经网络。接下来,使用该框架,优化评分函数以用于比对远程序列对。Nepal,与具有现有功能的对准器相比,具有新评分功能的成对轮廓对准器显著提高了对准灵敏度和精度。Nepal改进了比对质量,因为它适应了远程序列比对并提高了相似性得分的表达能力。新的评分功能可以实现使用一个简单的矩阵运算,很容易纳入其他对齐。利用我们的评分函数,同源性检测和/或远程同源序列的多个序列比对的性能将进一步提高。
2017-09-08 cs.NE q-bio.QM
Protein language models trained on multiple sequence alignments learn phylogenetic relationships
École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);SIB Swiss Institute of Bioinformatics(瑞士生物信息学研究所)
具有注意力的自监督神经语言模型最近被应用于生物序列数据,推进结构,功能和突变效应预测。一些蛋白质语言模型,包括MSA Transformer和AlphaFold的EvoFormer,将进化相关蛋白质的多个序列比对(MSA)作为输入。MSA Transformer的行注意力的简单组合导致了最先进的无监督结构接触预测。我们表明,同样简单,通用的,MSA Transformer的列关注的组合强烈相关的序列之间的汉明距离在MSA。因此,基于MSA的语言模型编码详细的系统发育关系。我们进一步表明,这些模型可以分离的共同进化信号编码的功能和结构的限制,反映历史偶然性的系统发育相关性。为了评估这一点,我们生成合成的MSA,无论是没有或有同源性,从天然MSA训练的波茨模型。我们发现,无监督的接触预测时,使用MSA Transformer与推断Potts模型的系统发育噪声更有弹性。
2022-09-21 cs.LG q-bio.BM q-bio.QM
RNA-RNA interaction prediction based on multiple sequence alignments
目前已经发展了许多计算机化的RNA-RNA相互作用结构预测方法。最近,$O(N^6)$时间和$O(N^4)$空间动态规划算法已经变得可用,其计算RNA-RNA相互作用复合物的配分函数。然而,这些方法很少结合相关序列的知识,因此相关的进化信息往往被忽略的结构确定。因此,引入一种同时考虑热力学稳定性和序列协变的方法具有相当大的实际意义。我们提出了\emph{a priori}折叠算法\texttt{ripalign},其输入由两个(给定)多序列比对(MSA)。\texttt{ripalign}输出(1)配分函数,(2)碱基配对概率,(3)混合概率和(4)一组Boltzmann采样的次优结构,其由与比对兼容的规范联合结构组成。与单序列对折叠算法\texttt{rip}相比,\texttt{ripalign}所需的额外内存资源可以忽略不计。此外,我们将可能的结构约束作为输入参数到我们的算法。这里描述的算法是作为\texttt{rip}包的一部分用C实现的。补充材料、源代码和输入/输出文件可从\url{http://www.combinatorics.cn/cbpc/ripalign.html}免费下载。Christian Reidys \texttt{duck@santafe.edu}
2010-07-14 math-ph math.MP q-bio.GN