Machine learning-assisted sequence alignment
Machine learning-assisted sequence alignment uses statistical learning models — including deep neural networks and protein language models — to compute biologically meaningful alignments between nucleotide or amino acid sequences. By learning substitution patterns and structural constraints from large training corpora, these methods surpass classical scoring matrices (e.g., BLOSUM, PAM) in sensitivity for remote homologs and structurally constrained regions, making them the current state of the art for difficult alignment tasks in genomics and proteomics.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.