蛋白质短片段相似性检索的索引方法
Indexing Schemes for Similarity Search In Datasets of Short Protein Fragments
摘要：
我们提出了一个家庭的非常有效的层次索引计划ungapped，得分矩阵为基础的相似性搜索在大数据集的短（4-12个氨基酸）的蛋白质片段。这种类型的相似性搜索在为更复杂的算法提供构建块以及可能用于直接生物调查（其中数据集为6000万个对象的数量级）方面都具有重要性。我们的方案是基于氨基酸字母表的内部几何结构，并且表现非常好，例如，在扫描平均不到整个数据集的1%后，输出100个最近的邻居到任何长度为10的可能片段。
英文摘要：
We propose a family of very efficient hierarchical indexing schemes for ungapped, score matrix-based similarity search in large datasets of short (4-12 amino acid) protein fragments. This type of similarity search has importance in both providing a building block to more complex algorithms and for possible use in direct biological investigations where datasets are of the order of 60 million objects. Our scheme is based on the internal geometry of the amino acid alphabet and performs exceptionally well, for example outputting 100 nearest neighbours to any possible fragment of length 10 after scanning on average less than one per cent of the entire dataset.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
