Recherche de profils HMMER
La recherche de profils HMMER identifie des homologies de séquences protéiques distantes à l'aide de modèles probabilistes de familles de protéines, connus sous le nom de modèles cachés de Markov de profils (HMM). Développée par Eddy et ses collègues, cette méthode capture les modèles de variation de séquences au sein des familles de protéines et détecte des homologies avec une sensibilité bien plus grande que les matrices de poids de position ou les alignements par paires.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Hidden Markov Model Profile Search for Sequence Homology. ScholarGate. https://scholargate.app/fr/bioinformatics/hmmer-profile-search
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Reconstruction par cryo-MEBio-informatique↔ comparer
- Binning métagénomiqueBio-informatique↔ comparer
- Dockage moléculaireBio-informatique↔ comparer
Référencée par
Similar methods
Une erreur sur cette page ? Signalez-la ou proposez une correction →