CS-BLAST - Википедия - CS-BLAST

CS-BLAST
Разработчики)	Ангермюллер С., Бигерт А. и Сёдинг Дж.
Стабильный выпуск	2.2.3 / 7 декабря 2013 г.
Предварительный выпуск	1.1 / 14 апреля 2009 г.; 11 лет назад
Репозиторий	github.com/ soedinglab/ csblast;
Написано в	C ++
Доступно в	английский
Тип	Биоинформатика инструмент
Лицензия	GNU GPL v3
Интернет сайт	http://wwwuser.gwdg.de/~compbiol/data/csblast/releases/, https://github.com/soedinglab/csblast

CS-BLAST^[1]^[2] ^[3] (Контекстно-зависимый BLAST) - это инструмент, который ищет белок последовательность, которая расширяет BLAST (Базовый инструмент поиска локального выравнивания),^[4] используя контекстно-зависимые вероятности мутаций. В частности, CS-BLAST выводит контекстно-зависимые аминокислота сходства в каждой последовательности запросов из коротких окон в последовательностях запросов [4]. Использование CS-BLAST удваивает чувствительность и значительно улучшает качество выравнивания без потери скорости по сравнению с BLAST. CSI-BLAST (Context-Specific Iterated BLAST) - контекстно-зависимый аналог PSI-BLAST ^[5] (Position-Specific Iterated BLAST), который вычисляет профиль мутации с вероятностями замены и смешивает его с профилем запроса [2]. CSI-BLAST (Context-Specific Iterated BLAST) является контекстно-зависимым аналогом PSI-BLAST (Position-Specific Iterated BLAST). Обе эти программы доступны в виде веб-сервера и доступны для бесплатной загрузки.

Фон

Гомология - это взаимосвязь между биологическими структурами или последовательностями, происходящими от общего предка. Гомологичные белки (белки, имеющие общее происхождение) выводятся из сходства их последовательностей. Вывод гомологичных отношений включает подсчет баллов выровненных пар за вычетом штрафов за пробелы. Выравнивающие пары белков идентифицируют области сходства, указывающие на взаимосвязь между двумя или более белками. Для того, чтобы иметь гомологичное отношение, сумма баллов по всем выровненным парам аминокислот или нуклеотидов должна быть достаточно высокой [2]. Стандартные методы сравнения последовательностей используют матрица замещения для этого [4]. Сходства между аминокислотами или нуклеотидами количественно оцениваются в этих матрицах замен. Счет за замену ( ${ displaystyle S}$ ) аминокислот ${ displaystyle a}$ и ${ displaystyle b}$ можно написать так:

${ Displaystyle S (a, b) = const times log left ({ frac {P (a | b)} {P (a)}} right)}$

куда ${ Displaystyle P (a | b)}$ обозначает вероятность аминокислоты ${ displaystyle a}$ мутирует в аминокислоту ${ displaystyle b}$ [2]. В большом наборе выравниваний последовательностей, подсчитывая количество аминокислот, а также количество выровненных пар ${ Displaystyle (а, б)}$ позволит вам получить вероятности ${ Displaystyle P (a | b)}$ и ${ Displaystyle P (а)}$ .

Поскольку белковые последовательности должны поддерживать стабильную структуру, вероятность замены остатка в значительной степени определяется структурным контекстом, в котором он находится. В результате матрицы подстановки обучаются для структурных контекстов. Поскольку контекстная информация кодируется в вероятностях перехода между состояниями, смешивание вероятностей мутаций из матриц замещения, взвешенных для соответствующих состояний, обеспечивает улучшенное качество выравнивания по сравнению со стандартными матрицами замещения. CS-BLAST еще больше улучшает эту концепцию. На рисунке показана последовательность для последовательности и профиль для эквивалентности последовательностей с матрицей выравнивания. Профиль запроса является результатом искусственных мутаций, в которых высота столбиков пропорциональна вероятности соответствующих аминокислот [4].

(НЕОБХОДИМО СДЕЛАТЬ РИСУНОК, ЭТО ЗАГОЛОВОК) «Алгоритмы поиска / выравнивания последовательностей находят путь, который максимизирует сумму оценок сходства (с цветовой кодировкой от синего до красного). Оценки матрицы замещения эквивалентны оценкам профиля, если профиль последовательности (цветная гистограмма) генерируется из последовательности запроса путем добавления искусственных мутаций с помощью схемы псевдосчета матрицы замещения. Высота столбцов гистограммы представляет собой долю аминокислот в столбцах профиля »[4].

Спектакль

CS-BLAST значительно улучшает качество выравнивания по всему диапазону идентичностей последовательностей и особенно для сложных выравниваний по сравнению с обычными BLAST и PSI-BLAST. PSI-BLAST (Position-Specific Iterated BLAST) работает примерно с той же скоростью на итерацию, что и обычный BLAST, но способен обнаруживать более слабые сходства последовательностей, которые все еще имеют биологическое значение [3]. Качество юстировки зависит от чувствительности юстировки и точности юстировки [4].

Качество выравнивания

Чувствительность выравнивания измеряется путем правильного сравнения предсказанных выравниваний пар остатков с общим числом возможных выравниваемых пар. Это вычисляется с помощью дроби: (пары правильно выровнены) / (пары структурно выровнены)

Точность совмещения измеряется правильностью выровненных пар остатков. Это вычисляется с помощью дроби: (пары правильно выровнены) / (пары выровнены)

Эффективность поиска

График является эталоном, который Бигерт и Зёдинг использовали для оценки обнаружения гомологии. Тест сравнивает CS-BLAST и BLAST, используя истинные положительные результаты из одного и того же суперсемейства, в сравнении с ложными положительными результатами для пар из разных складок [4]. (ГРАФИК НЕОБХОДИМО ПОЙТИ ЗДЕСЬ)

Другой график использует обнаружение истинных положительных результатов (с другим масштабом, чем предыдущий график) и ложных срабатываний PSI-BLAST и CSI-BLAST и сравнивает два для от одной до пяти итераций [4]. (ДРУГОЙ ГРАФИК НЕОБХОДИМО ПОЙТИ ЗДЕСЬ)

CS-BLAST предлагает улучшенную чувствительность и качество выравнивания при сравнении последовательностей. Поиск последовательности с помощью CS-BLAST более чем в два раза более чувствителен, чем BLAST [4]. Он обеспечивает более качественное выравнивание и генерирует надежные значения E без потери скорости. CS-BLAST обнаруживает на 139% больше гомологичных белков с совокупным уровнем ошибок 20% [2]. При частоте ошибок 10% обнаруживается на 138% больше гомологов, а для самых простых случаев при частоте ошибок 1% CS-BLAST все еще был на 96% более эффективным, чем BLAST [2]. Кроме того, CS-BLAST в 2 итерациях более чувствителен, чем 5 итераций PSI-BLAST. Для сравнения было обнаружено примерно на 15% больше гомологов [4].

Метод

Метод CS-BLAST выявляет сходство между последовательностями контекстно-зависимых аминокислот для 13 окон остатков, центрированных на каждом остатке. CS-BLAST работает путем создания профиля последовательности для последовательности запроса с использованием контекстно-зависимых мутаций и последующего быстрого запуска метода поиска от профиля к последовательности.

CS-BLAST начинается с прогнозирования ожидаемых вероятностей мутаций для каждой позиции. Для определенного остатка выбирается окно последовательности из десяти всех окружающих остатков, как показано на изображении. Затем Бигерт и Сёдинг сравнили окно последовательности с библиотекой с тысячами контекстных профилей. Библиотека создается путем кластеризации репрезентативного набора окон профиля последовательности. Фактическое прогнозирование вероятностей мутаций достигается путем взвешенного смешивания центральных столбцов наиболее похожих контекстных профилей [4]. Это выравнивает короткие профили, которые не гомологичны и не имеют пробелов, что придает больший вес лучшим совпадающим профилям, что упрощает их обнаружение [4]. Профиль последовательности представляет собой множественное выравнивание гомологичных последовательностей и описывает, какие аминокислоты могут встречаться в каждом положении в связанных последовательностях. При использовании этого метода матрицы подстановки не нужны. Кроме того, нет необходимости в вероятностях перехода в результате того, что контекстная информация кодируется внутри контекстных профилей. Это упрощает вычисления и позволяет масштабировать время выполнения линейно, а не квадратично.

Вероятность специфической для контекста мутации, вероятность наблюдения конкретной аминокислоты в гомологичной последовательности в данном контексте, рассчитывается путем взвешенного смешивания аминокислот в центральных столбцах наиболее похожих контекстных профилей. Изображение иллюстрирует расчет ожидаемых вероятностей мутации для определенного остатка в определенном положении. Как видно на изображении, все библиотеки контекстных профилей вносят свой вклад на основе сходства с контекстно-зависимым профилем последовательности для последовательности запроса [4].

Модели

При прогнозировании вероятностей замен, используя только контекст локальной последовательности аминокислоты, вы получаете преимущество, заключающееся в том, что вам не нужно знать структуру запрашиваемого белка, при этом позволяя обнаруживать более гомологичные белки, чем стандартные матрицы замен [4]. Подход Бигерта и Сёдинга к прогнозированию вероятностей замещения был основан на генеративной модели. В другой статье в сотрудничестве с Ангермюллером они разрабатывают метод распознавания машинного обучения, повышающий точность прогнозов [2].

Генеративная модель

Учитывая наблюдаемую переменную ${ displaystyle x}$ и целевая переменная ${ displaystyle y}$ , генеративная модель определяет вероятности ${ Displaystyle Р (х, у)}$ и ${ Displaystyle P (y)}$ раздельно. Чтобы предсказать ненаблюдаемую целевую переменную, ${ displaystyle y}$ , Теорема Байеса, ${ Displaystyle P (Y | X) = left ({ frac {P (x | y) P (y)} {[ textstyle sum _ {y} P (x | y) P (y) displaystyle) ]}}верно)}$

используется. Генеративная модель, как следует из названия, позволяет генерировать новые точки данных. ${ Displaystyle (х, у)}$ . Совместное распределение описывается как ${ Displaystyle P (x, y) = P (x | y) P (y)}$ . Для обучения генеративной модели используется следующее уравнение для максимизации совместной вероятности ${ displaystyle prod left ({ frac {P (x_ {n}, y_ {n})}) {trainingData (x_ {n}, y_ {n})}} right)}$ .

Дискриминационная модель

Дискриминантная модель - это классификатор максимальной энтропии логистической регрессии. С помощью дискриминативной модели цель состоит в том, чтобы предсказать вероятность замещения в зависимости от контекста с учетом последовательности запроса. Дискриминативный подход к моделированию вероятностей замещения, ${ Displaystyle P (а | C_ {l})}$ куда ${ displaystyle C_ {l}}$ описывает последовательность аминокислот вокруг положения ${ displaystyle l}$ последовательности, основан на ${ displaystyle K}$ контекстные состояния. Состояния контекста характеризуются параметрами эмиссии веса ( ${ displaystyle v_ {k} (а)}$ ), вес смещения ( ${ displaystyle pi _ {k}}$ ) и контекстный вес ( ${ displaystyle lambda _ {k} (j, a)}$ ) [2]. Вероятности выбросов из состояния контекста задаются весами выбросов следующим образом для ${ displaystyle d = 1}$ к ${ displaystyle 20}$ : ${ displaystyle P (a | k) = left ({ frac {exp (v_ {k} (a))} { sum exp (v_ {k} (a '))}} right)}$

куда ${ Displaystyle P (а | к)}$ - вероятность выброса и - состояние контекста. В дискриминационном подходе вероятность состояния контекста ${ displaystyle k}$ данный контекст ${ displaystyle C_ {l}}$ моделируется непосредственно экспонентой аффинной функции профиля контекстной учетной записи, где ${ displaystyle C_ {l} (j, a)}$ профиль подсчета контекста с константой нормализации ${ Displaystyle Z (C_ {l})}$ нормализует вероятность к 1. Это уравнение выглядит следующим образом, где первое суммирование принимает ${ displaystyle j = -d}$ к ${ displaystyle d}$ а второе суммирование берет ${ displaystyle a = 1}$ к ${ displaystyle 20}$ : ${ Displaystyle P (к | C_ {l}) = left ({ frac {1} {Z (C_ {l})}} ехр ( pi _ {k} + pi sum sum lambda _ {k} (j, a) (C_ {l} (j, a)) right)}$ .

Как и в генеративной модели, целевое распределение получается путем смешивания вероятностей выбросов каждого состояния контекста, взвешенных по схожести.

Использование CS-BLAST

Инструментарий MPI Bioinformatics на интерактивном веб-сайте и сервисе, который позволяет любому проводить комплексный и совместный анализ белков с помощью множества различных инструментов, включая CS-BLAST, а также PSI-BLAST [1]. Этот инструмент позволяет вводить белок и выбирать параметры для настройки анализа. Он также может пересылать вывод в другие инструменты.

Смотрите также

внешняя ссылка

CS-BLAST - бесплатный сервер в Мюнхенском университете (LMU)
CS-BLAST - бесплатный сервер в Институте Макса Планка в Тюбингене
Исходный код CS-BLAST

[csdis-1] Angermüller, C .; Biegert, A .; Сёдинг, Дж. (Декабрь 2012 г.). «Дискриминационное моделирование вероятностей контекстно-зависимых аминокислотных замен». Биоинформатика. 28 (24): 3240–7. Дои:10.1093 / биоинформатика / bts622. PMID 23080114.

[csgen-2] Biegert, A .; Сёдинг, Дж. (Март 2009 г.). «Последовательные контекстно-зависимые профили для поиска гомологии» (PDF). Proc Natl Acad Sci U S A. 106 (10): 3770–5. Дои:10.1073 / pnas.0810767106. ЧВК 2645910. PMID 19234132.

[betterseqSD-3] «Разработана более совершенная последовательность поиска генов и белков». ScienceDaily. 7 марта 2009 г.. Получено 2009-08-14.

[4] Альтшул С.Ф., Гиш В., Миллер В., Майерс Е. В., Липман Д. Д. (1990). «Базовый инструмент поиска локального выравнивания». Дж Мол Биол. 215 (3): 403–410. Дои:10.1016 / S0022-2836 (05) 80360-2. PMID 2231712.

[5] Altschul SF; Madden TL; Schäffer AA; Чжан Дж; Zhang Z; Миллер В; Lipman DJ. (1997). «Gapped BLAST и PSI-BLAST: новое поколение программ поиска по базе данных белков». Нуклеиновые кислоты Res. 25 (17): 3389–3402. Дои:10.1093 / nar / 25.17.3389. ЧВК 146917. PMID 9254694.

[1]

[2]

[3]

[4]

[5]