Tentang Pelatih Masuk Mulai membaca

Biologi · Glosarium

Apa itu Penjajaran dan skor?

Definisi 5.1 Biologi Universitas — Tahun 3 · Bab 5 — Bioinformatika dan Analisis Urutan

Sebuah penjajaran dua urutan menuliskan keduanya bersusun, dengan celah (–) yang disisipkan sehingga tiap lajurnya memasangkan satu residu dengan satu residu atau satu residu dengan sebuah celah, dan tak ada lajur yang memasangkan dua celah. Skornya adalah jumlah atas lajurnya berupa skor substitusi s(a,b)s(a,b) bagi tiap pasangan residu ditambah sebuah denda celah bagi tiap celah: denda linear −d-d tiap kedudukan celah, atau, secara lebih masuk akal, denda afin −d−(k−1)e-d - (k-1)e bagi deretan kk celah, dengan ongkos pembukaan dd lebih besar daripada ongkos perpanjangan ee, karena satu sisipan berisi beberapa residu merupakan satu peristiwa evolusi tunggal. Sebuah penjajaran global meliputi kedua urutannya dari ujung ke ujung; sebuah penjajaran lokal mencari pasangan subuntai berskor tertinggi lalu mengabaikan sisanya, dan itulah yang diinginkan ketika sebuah domain bersama duduk di dalam dua protein yang selebihnya tak berkerabat.

Tabel Needleman–Wunsch bagi GAT terhadap GCAT (kecocokan +1, ketakcocokan -1, celah -1). Tiap selnya adalah skor terbaik bagi kedua awalan yang berakhir di situ; lintasan merah yang ditelusuri balik dari sudutnya adalah penjajaran optimumnya.
Tabel Needleman–Wunsch bagi GAT terhadap GCAT (kecocokan +1+1, ketakcocokan −1-1, celah −1-1). Tiap selnya adalah skor terbaik bagi kedua awalan yang berakhir di situ; lintasan merah yang ditelusuri balik dari sudutnya adalah penjajaran optimumnya.

Contoh

Contoh 5.3 (Sebuah tabel empat kali tiga)

Jajarkan GAT dengan GCAT, dengan skor +1+1 bagi kecocokan, −1-1 bagi ketakcocokan, dan d=1d = 1. Batasnya 0,−1,−2,−3,−40, -1, -2, -3, -4 sepanjang atas dan 0,−1,−2,−30, -1, -2, -3 sepanjang sisinya. Mengisi baris demi baris: F(G,G)=1F(\text{G},\text{G}) = 1, F(G,C)=0F(\text{G},\text{C}) = 0, F(G,A)=−1F(\text{G},\text{A}) = -1, F(G,T)=−2F(\text{G},\text{T}) = -2; F(A,G)=0F(\text{A},\text{G}) = 0, F(A,C)=0F(\text{A},\text{C}) = 0, F(A,A)=1F(\text{A},\text{A}) = 1, F(A,T)=0F(\text{A},\text{T}) = 0; F(T,G)=−1F(\text{T},\text{G}) = -1, F(T,C)=−1F(\text{T},\text{C}) = -1, F(T,A)=0F(\text{T},\text{A}) = 0, F(T,T)=2F(\text{T},\text{T}) = 2. Optimumnya 22, dan penelusuran baliknya — diagonal dari (T,T), diagonal dari (A,A), lalu ke kiri dari (G,C) ke (G,G), lalu diagonal — memberi

G-ATGCAT\begin{array}{c} \texttt{G-AT}\\ \texttt{GCAT} \end{array}

tiga kecocokan dan satu celah: 3−1=23 - 1 = 2.

Contoh 5.10 (Membaca sebuah nilai-E)

Sebuah kueri berisi 250250 residu terhadap pangkalan data berisi 5×10105\times 10^{10} residu memiliki mn=1.25×1013≈243.5mn = 1.25\times 10^{13} \approx 2^{43.5}. Sebuah kecocokan berskor bit 6060 memiliki E=243.5−60=2−16.5≈10−5E = 2^{43.5 - 60} = 2^{-16.5} \approx 10^{-5}: pada dasarnya pasti homolog. Kecocokan dengan S′=40S' = 40 memiliki E=23.5≈11E = 2^{3.5} \approx 11: sebelas skor semacam itu diharapkan muncul secara kebetulan, dan kecocokannya tak bermakna. Penjajaran yang sama, dengan skor bit yang sama, bila ditelusurkan pada pangkalan data sepuluh kali lebih besar, memiliki EE sepuluh kali lebih besar — kebermaknaan adalah sifat penelusurannya, bukan sifat pasangannya. Ambang yang lazim dipakai adalah E<10−3E < 10^{-3} bagi homolog yang meyakinkan; E≈0.01E \approx 0.01–11 pantas ditengok lagi dengan metode profil.

Baca dalam konteks →