HMMER Profiel Zoekopdracht
HMMER profielzoekopdrachten identificeren verre eiwitsequentiehomologen met behulp van probabilistische modellen van eiwitfamilies, bekend als profiel Hidden Markov Models (HMM's). Deze methode, ontwikkeld door Eddy en collega's, vangt sequentievariatiepatronen binnen eiwitfamilies en detecteert homologen met een veel grotere gevoeligheid dan positiegewichtsmatrices of paarsgewijze uitlijning.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Hidden Markov Model Profile Search for Sequence Homology. ScholarGate. https://scholargate.app/nl/bioinformatics/hmmer-profile-search
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Cryo-EM ReconstructieBio-informatica↔ vergelijken
- Metagenoom BinningBio-informatica↔ vergelijken
- Moleculair DockingBio-informatica↔ vergelijken
Geciteerd door
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →