همترازی توالی با کمک یادگیری ماشین
همترازی توالی با کمک یادگیری ماشین از مدلهای یادگیری آماری - از جمله شبکههای عصبی عمیق و مدلهای زبان پروتئین - برای محاسبه همترازیهای معنیدار بیولوژیکی بین توالیهای نوکلئوتیدی یا اسید آمینه استفاده میکند. با یادگیری الگوهای جایگزینی و محدودیتهای ساختاری از مجموعههای آموزشی بزرگ، این روشها در حساسیت برای همولوگهای دور و نواحی با محدودیت ساختاری، از ماتریسهای امتیازدهی کلاسیک (مانند BLOSUM، PAM) فراتر میروند و آنها را به وضعیت فعلی هنر برای وظایف دشوار همترازی در ژنومیک و پروتئومیکس تبدیل میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/fa/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.
- تحلیل فیلوژنتیکزیستاطلاعاتی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →