ProbCons

ProbCons - это метод множественного выравнивания аминокислотных последовательностей на основе вероятностной согласованности с открытым исходным кодом . Это одна из наиболее эффективных программ выравнивания множественных последовательностей белков , поскольку она неоднократно демонстрировала статистически значимое преимущество в точности по сравнению с аналогичными инструментами, включая Clustal и MAFFT . ^{[1] [2]}

Алгоритм [ править ]

Ниже описана основная схема алгоритма ProbCons. ^[3]

Шаг 1. Надежность выравнивающей кромки [ править ]

Для каждой пары последовательностей вычислите вероятность того, что буквы и попадают в пары в выравнивании, которое генерируется моделью.${\ displaystyle x_ {i}}$${\ displaystyle y_ {i}}$${\ displaystyle a ^ {*}}$

${\ displaystyle {\ begin {align} P (x_ {i} \ sim y_ {i} | x, y) & {\ stackrel {def} {=}} Pr [x_ {i} \ sim y_ {i} { \ text {в некотором a}} | x, y] \\ & = \ sum _ {{\ text {выравнивание a с}} x_ {i} -y_ {i}} Pr [a | x, y] \\ & = \ sum _ {\ text {alignment a}} \ mathbf {1} \ {x_ {i} -y_ {i} \ in a \} Pr [a | x, y] \ end {выравнивается}}}$

(Где равно 1, если и находятся в выравнивании, и 0 в противном случае.)${\ displaystyle \ mathbf {1} \ {x_ {i} \ sim y_ {i} \ in a \}}$${\ displaystyle x_ {i}}$${\ displaystyle y_ {i}}$

Шаг 2. Максимально ожидаемая точность [ править ]

Точность выравнивания по отношению к другому выравниванию определяется как количество общих выровненных пар, деленное на длину более короткой последовательности.${\ displaystyle a ^ {*}}$${\displaystyle a}$

Рассчитайте ожидаемую точность каждой последовательности:

${\displaystyle {\begin{aligned}E_{Pr[a|x,y]}(acc(a^{*},a))&=\sum _{a}Pr[a|x,y]acc(a^{*},a)\\&={\frac {1}{min(|x|,|y|)}}\cdot \sum _{a}\mathbf {1} \{x_{i}\sim y_{i}\in a\}Pr[a|x,y]\\&={\frac {1}{min(|x|,|y|)}}\cdot \sum _{x_{i}-y_{i}}P(x_{i}\sim y_{j}|x,y)\end{aligned}}}$

Это дает выравнивание с максимальной ожидаемой точностью (MEA):

${\displaystyle E(x,y)=\arg \max _{a^{*}}\;E_{Pr[a|x,y]}(acc(a^{*},a))}$

Шаг 3. Преобразование вероятностной согласованности [ править ]

Все пары последовательностей x, y из набора всех последовательностей теперь повторно оцениваются с использованием всех промежуточных последовательностей z:${\displaystyle {\mathcal {S}}}$

${\displaystyle P'(x_{i}-y_{i}|x,y)={\frac {1}{|{\mathcal {S}}|}}\sum _{z}\sum _{1\leq k\leq |z|}P(x_{i}\sim z_{i}|x,z)\cdot P(z_{i}\sim y_{i}|z,y)}$

Этот шаг можно повторить.

Шаг 4: Расчет дерева направляющих [ править ]

Постройте направляющее дерево путем иерархической кластеризации, используя оценку MEA в качестве оценки сходства последовательностей. Сходство кластера определяется с использованием средневзвешенного значения попарного сходства последовательностей.

Шаг 5. Вычислить MSA [ править ]

Наконец, вычислите MSA, используя прогрессивное или итеративное выравнивание.

См. Также [ править ]

• Программное обеспечение для выравнивания последовательностей
• Clustal
• МЫШЦЫ
• КАРТА
• Т-кофе
• Probalign

Ссылки [ править ]

Внешние ссылки [ править ]

• Официальный веб-сайт