बहु-संरेखण और प्रोफ़ाइल क्या है? — जीवविज्ञान

परिभाषा 5.11 विश्वविद्यालय जीवविज्ञान — वर्ष 3 · 第 5 章 — जैवसूचना-विज्ञान और अनुक्रम विश्लेषण

कोई बहु-अनुक्रम संरेखण अनुक्रमों के किसी कुल को समजात अवशेषों के स्तंभों में सजाता है। $k$ अनुक्रमों पर ठीक-ठीक गतिक क्रमादेशन में $n^{k}$ लागत आती है और तीन से आगे वह असंभव है; व्यावहारिक क्रमादेश उत्तरोत्तर संरेखित करते हैं, पहले किसी पथ-वृक्ष से निकटतम युग्म, फिर बढ़ते संरेखण में अनुक्रम और समूह, और साथ में परिष्करण की बारियाँ। पूरा हुआ संरेखण किसी प्रोफ़ाइल के रूप में समेटा जाता है: हर स्तंभ के लिए हर अवशेष और रिक्तियों की बारंबारता। कोई प्रोफ़ाइल गुप्त मार्कोव प्रतिरूप इसे मेल-अवस्थाओं की एक शृंखला के रूप में औपचारिक बनाता है, प्रति संरक्षित स्तंभ एक, जिनमें से हर एक अपनी ही प्रायिकताओं से अवशेष उत्सर्जित करती है, और साथ में प्रवेश तथा विलोपन अवस्थाएँ हर स्थिति पर अतिरिक्त या अनुपस्थित अवशेषों की छूट देती हैं; किसी कुल का प्रतिरूप (कोई Pfam प्रविष्टि) किसी नए अनुक्रम को अवस्थाओं से होकर जाते सर्वोत्तम पथ की प्रायिकता से अंक देता है, और युग्मवार तुलना के गोधूलि क्षेत्र से बहुत नीचे भी समजात ढूँढ़ लेता है, क्योंकि जो स्तंभ केवल जलविरोधी अवशेष सहता है वह यह कह देता है, जबकि कोई अकेला अनुक्रम नहीं कह सकता।

चार स्तंभों वाले किसी कुल का प्रोफ़ाइल गुप्त मार्कोव प्रतिरूप। हर मेल-अवस्था M उस स्तंभ की अपनी बारंबारताओं से कोई अवशेष उत्सर्जित करती है; प्रवेश अवस्थाएँ I (स्व-फंदों सहित) अतिरिक्त अवशेष आने देती हैं, विलोपन अवस्थाएँ D कोई स्तंभ छोड़ देती हैं। किसी अनुक्रम को अंक देना उसका सर्वाधिक संभाव्य पथ ढूँढ़ना है।

示例

उदाहरण 5.7 (समरूपता, सादृश्य और गोधूलि क्षेत्र)

रिक्तियों के साथ सर्वोत्तम रूप से संरेखित दो यादृच्छिक प्रोटीन अनुक्रम संयोग से लगभग $15\text{ से }20\,\%$ समरूपता तक पहुँच जाते हैं। सौ अवशेषों पर $35\,\%$ समरूपता से ऊपर दो प्रोटीन लगभग निश्चित रूप से समजात हैं; $20\,\%$ और $35\,\%$ के बीच गोधूलि क्षेत्र है, जहाँ अकेली समरूपता निर्णय नहीं कर सकती और नीचे की सांख्यिकी को करना पड़ता है। समजात इस क्षेत्र से बहुत नीचे भी गिर सकते हैं: हीमोग्लोबिन और मायोग्लोबिन उपइकाइयाँ $25\,\%$ समरूपता साझा करती हैं, लाइसोज़ाइम और $\alpha$ -लैक्टएल्ब्युमिन $40\,\%$ , और एक ही वलन वाले अनेक प्रोटीन युग्म $15\,\%$ से भी कम, जो केवल प्रोफ़ाइलों या संरचनाओं की तुलना से पकड़ में आते हैं।

उदाहरण 5.10 (कोई E-मान पढ़ना)

$5\times 10^{10}$ अवशेषों के किसी आँकड़ाकोश के सामने $250$ अवशेषों की किसी पृच्छा का $mn = 1.25\times 10^{13} \approx 2^{43.5}$ है। जिस मेल का बिट अंक $60$ है उसका $E = 2^{43.5 - 60} = 2^{-16.5} \approx 10^{-5}$ है: वह मूलतः निश्चित रूप से कोई समजात है। जिस मेल का $S' = 40$ है उसका $E = 2^{3.5} \approx 11$ है: संयोग से ऐसे ग्यारह अंक प्रत्याशित हैं, और उस मेल का कोई अर्थ नहीं। वही संरेखण, उसी बिट अंक के साथ, दस गुना बड़े आँकड़ाकोश में खोजा जाए तो उसका $E$ दस गुना बड़ा होता है — सार्थकता खोज का गुण है, उस युग्म का नहीं। किसी विश्वसनीय समजात के लिए प्रचलित देहली $E < 10^{-3}$ है; $E \approx 0.01$ – $1$ किसी प्रोफ़ाइल-विधि से दुबारा देखने योग्य है।

在原文中阅读 →

示例

相关术语