Penjajaran Jujukan Dibantu Pembelajaran Mesin
Penjajaran jujukan dibantu pembelajaran mesin (ML) menggunakan model pembelajaran statistik — termasuk rangkaian saraf dalam dan model bahasa protein — untuk mengira penjajaran yang bermakna secara biologi antara jujukan nukleotida atau asid amino. Dengan mempelajari corak penggantian dan kekangan struktur daripada korpus latihan yang besar, kaedah ini mengatasi matriks pemarkahan klasik (cth., BLOSUM, PAM) dalam kepekaan untuk homolog jarak jauh dan kawasan yang terikat secara struktur, menjadikannya keadaan seni semasa untuk tugasan penjajaran yang sukar dalam genomik dan proteomik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/ms/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.
- Analisis FilogenetikBioinformatik↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →