יישור רצפים בסיוע למידת מכונה
יישור רצפים בסיוע למידת מכונה משתמש במודלים סטטיסטיים של למידה — כולל רשתות נוירונים עמוקות ומודלי שפה לחלבונים — כדי לחשב יישורים בעלי משמעות משמעות ביולוגית בין רצפי נוקלאוטידים או חומצות אמינו. על ידי לימוד דפוסי החלפה ומגבלות מבניות מתוך קורפוסים גדולים של נתוני אימון, שיטות אלו עולות על מטריצות הניקוד הקלאסיות (למשל, BLOSUM, PAM) ברגישותן להומולוגים מרוחקים ואזורים בעלי מגבלות מבניות, מה שהופך אותן למצב האמנות הנוכחי עבור משימות יישור קשות בגנומיקה ופרוטאומיקה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/he/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.
- ניתוח פילוגנטיביואינפורמטיקה↔ compare