本文将文献[1]中提出的子集种子的概念应用于蛋白质序列的相似性搜索。研究的主要问题是设计有效的种子字母表，以构建具有最佳灵敏度/选择性权衡的种子。我们提出了几种不同的设计方法，并使用它们来构建几个字母。然后，我们对在这些字母表上构建的种子进行比较分析，并将它们与标准BLASTP播种方法[2]，[3]以及[4]中提出的矢量种子家族进行比较。虽然子集种子的形式主义比BLASTP和载体种子中使用的累积原理表达性更低（但实现成本更低），但我们的种子在与常见BL 0 SUM 62矩阵兼容的蛋白质的伯努利模型上显示出类似或甚至更好的性能。最后，我们对几个主要的蛋白质比对数据库进行了大规模的种子基准测试。在这里，结果再次显示了我们的种子与BLASTP相比相当或更好的性能。
英文摘要：
We apply the concept of subset seeds proposed in [1] to similarity search in protein sequences. The main question studied is the design of efficient seed alphabets to construct seeds with optimal sensitivity/selectivity trade-offs. We propose several different design methods and use them to construct several alphabets. We then perform a comparative analysis of seeds built over those alphabets and compare them with the standard BLASTP seeding method [2], [3], as well as with the family of vector seeds proposed in [4]. While the formalism of subset seeds is less expressive (but less costly to implement) than the cumulative principle used in BLASTP and vector seeds, our seeds show a similar or even better performance than BLASTP on Bernoulli models of proteins compatible with the common BLOSUM62 matrix. Finally, we perform a large-scale benchmarking of our seeds against several main databases of protein alignments. Here again, the results show a comparable or better performance of our seeds vs. BLASTP.
Efficient seeding techniques for protein similarity search
本文将文献[1]中提出的子集种子的概念应用于蛋白质序列的相似性搜索。研究的主要问题是设计有效的种子字母表，以构建具有最佳灵敏度/选择性权衡的种子。我们提出了几种不同的设计方法，并使用它们来构建几个字母表。然后我们对在这些字母表上构建的种子进行分析，并将它们与标准Blastp播种方法[2，3]以及[4]中提出的向量种子家族进行比较。虽然子集种子的形式主义比Blastp和向量种子中使用的累积原理表达性更低（但实现成本更低），但我们的种子在与常见的BL 0 SUM 62矩阵兼容的蛋白质的伯努利模型上显示出与Blastp相似甚至更好的性能。
EMERALD-UI: An interactive web application to unveil novel protein biology hidden in the suboptimal-alignment space
University of Helsinki（赫尔辛基大学）；LAMSADE, CNRS UMR7243, Université Paris Dauphine-PSL（巴黎第九大学 LAMSADE 实验室）；Max Planck Institute for Biology Tuebingen（蒂宾根马克斯·普朗克生物研究所）；Faculty of Life Sciences, University of Dundee（邓迪大学生命科学学院）
MRFalign: Protein Homology Detection through Alignment of Markov Random Fields
Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
基于序列的蛋白质同源性检测已经被广泛研究，并且迄今为止最灵敏的方法是基于蛋白质序列谱的比较，所述蛋白质序列谱来自于蛋白质家族中序列同源物的多个序列比对（MSA）。序列谱通常表示为位置特异性评分矩阵（PSSM）或HMM（隐马尔可夫模型），因此PSSM-PSSM或HMM-HMM比较用于同源物检测。本文提出了一种新的同源性检测方法MRFalign，该方法由三个关键部分组成：1）一个蛋白质家族的马尔可夫随机场（MRF）表示; 2）一个衡量两个MRF相似性的评分函数; 3）一个高效的ADMM（Alternating Direction Method of Multipliers）算法。与只能模拟非常短距离残基相关性的HMM相比，MRF可以模拟长距离残基相互作用模式，从而编码蛋白质家族的全局3D结构信息。因此，用于远程同源性检测的MRF-MRF比较应比HMM-HMM或PSSM-PSSM比较灵敏得多。实验证实，MRFalign优于几个流行的HMM或PSSM为基础的方法在比对精度和远程同源性检测方面，MRFalign工程特别好，主要是β蛋白。例如，在用于同源性检测的基准SCOP 40（8353种蛋白质）上测试，PSSM-PSSM和HMM-HMM在超家族水平上分别对48%和52%的蛋白质成功，并且在倍数水平上分别对15%和27%的蛋白质成功。相比之下，MRFalign在超家族和折叠水平上的成功率分别…
Generative power of a protein language model trained on multiple sequence alignments
École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；Institute of Bioengineering（生物工程研究所）；School of Life Sciences（生命科学学院）；SIB Swiss Institute of Bioinformatics（瑞士生物信息学研究所）
A Coverage Criterion for Spaced Seeds and its Applications to Support Vector Machine String Kernels and k-Mer Distances
间隔种子最近已经显示出不仅检测到更多的比对，而且给出了系统发育距离的更准确的测量（Boden et al.，2013年，Horwege等人，2014年，Leimeister等人，2014），并在与支持向量机（SVM）一起使用时提供更低的误分类率（On-odera和Shibuya，2013），我们通过独立实验证实了这两个结果，并在本文中提出使用覆盖标准（Benson和Mak，2008，Martin，2013，Martin和No，2014），以测量两种情况下的种子效率，以便设计更好的种子模式。我们首先展示了如何通过一个完全基于自动机的方法直接测量这个覆盖标准。然后，我们说明如何执行此标准时，与其他两个经常使用的标准，即单次击中和多次击中的标准相比，通过相关系数与正确的分类/真实的距离。最后，对于无约束距离，我们提出了一个扩展，通过采用覆盖准则，显示它是如何执行的，并表明它可以有效地计算。
Enhancing the Protein Tertiary Structure Prediction by Multiple Sequence Alignment Generation
Shanghai AI Laboratory（上海人工智能实验室）；Mila, Université de Montréal（蒙特利尔大学米拉研究所）；Zelixir Biotech（泽列西尔生物科技公司）；Fudan University（复旦大学）；The Chinese University of Hong Kong（香港中文大学）
National Key Laboratory for Novel Software Technology（计算机软件新技术国家重点实验室）；Department of Computer Science and Technology（计算机科学与技术学院）；Nanjing University（南京大学）
Protriever: End-to-End Differentiable Protein Homology Search for Fitness Prediction
Department of Systems Biology, Harvard Medical School（系统生物学系，哈佛医学院）；Department of Computer Science, University of Oxford（计算机科学系，牛津大学）；Department of Computer Science, University of Copenhagen（计算机科学系，哥本哈根大学）；Enzyme research, Novonesis（酶研究，Novonesis）
Toward the regularization of E value from BLAST similarity search into a dissimilarity measure as distance function, and the metrication of protein sequence space
