HMMER-profilsøgning
HMMER-profilsøgning identificerer fjerne proteinsekvenshomologer ved hjælp af probabilistiske modeller af proteinfamilier, kendt som profil Hidden Markov Models (HMM'er). Denne metode, udviklet af Eddy og kolleger, fanger sekvensvariationsmønstre inden for proteinfamilier og detekterer homologer med langt større sensitivitet end positionsvægtmatricer eller parvis alignment.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Krogh, A., Brown, M., Mian, I. S., Sjölander, K., & Haussler, D. (1994). Hidden Markov models in computational biology: applications to protein modeling. Journal of Molecular Biology, 235(5), 1501-1531. DOI: 10.1006/jmbi.1994.1104 ↗
- Eddy, S. R. (1998). Profile hidden Markov models. Bioinformatics, 14(9), 755-763. DOI: 10.1093/bioinformatics/14.9.755 ↗
- Finn, R. D., Clements, J., & Eddy, S. R. (2011). HMMER web server: interactive sequence similarity searching. Nucleic Acids Research, 39(Web Server issue), W29-W37. DOI: 10.1093/nar/gkr367 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Hidden Markov Model Profile Search for Sequence Homology. ScholarGate. https://scholargate.app/da/bioinformatics/hmmer-profile-search
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Kryo-EM RekonstruktionBioinformatik↔ sammenlign
- Metagenomisk binningBioinformatik↔ sammenlign
- Molekylær dockingBioinformatik↔ sammenlign
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →