Poravnavanje sekvenci potpomognuto strojnim učenjem
Poravnavanje sekvenci potpomognuto strojnim učenjem koristi statističke modele učenja — uključujući duboke neuronske mreže i jezične modele proteina — za izračunavanje biološki smislenih poravnanja između nukleotidnih ili aminokiselinskih sekvenci. Učenjem obrazaca supstitucije i strukturnih ograničenja iz velikih korpusa za obuku, ove metode nadmašuju klasične matrice bodovanja (npr. BLOSUM, PAM) u osjetljivosti za udaljene homologe i strukturno ograničene regije, što ih čini trenutačno najnaprednijim rješenjem za teške zadatke poravnavanja u genomici i proteomici.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/hr/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.
- Filogenetička analizaBioinformatika↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →