Машинно обучение за подпомагане на подравняването на последователности
Машинно обучение за подпомагане на подравняването на последователности използва статистически модели за машинно обучение — включително дълбоки невронни мрежи и езикови модели за протеини — за изчисляване на биологично смислени подравнявания между нуклеотидни или аминокиселинни последователности. Чрез изучаване на модели на заместване и структурни ограничения от големи обучителни корпуси, тези методи надминават класическите матрици за оценяване (напр. BLOSUM, PAM) по чувствителност към отдалечени хомолози и структурно ограничени области, което ги прави текущото състояние на техниката за трудни задачи за подравняване в геномиката и протеомиката.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Llinares-López, F., Berthet, Q., Blondel, M., Teboul, O., & Vert, J.-P. (2023). Deep embedding and alignment of protein sequences. Nature Methods, 20(1), 104–111. DOI: 10.1038/s41592-022-01700-2 ↗
- Jumper, J., Evans, R., Pritzel, A., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. DOI: 10.1038/s41586-021-03819-2 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/bg/bioinformatics/machine-learning-assisted-sequence-alignment
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Филогенетичен анализБиоинформатика↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →