Maskinlæringsassistert sekvensjustering
Maskinlæringsassistert sekvensjustering bruker statistiske læringsmodeller — inkludert dype nevrale nettverk og protein-språkmodeller — for å beregne biologisk meningsfulle justeringer mellom nukleotid- eller aminosyresekvenser. Ved å lære substitusjonsmønstre og strukturelle begrensninger fra store treningskorpora, overgår disse metodene klassiske scoringsmatriser (f.eks. BLOSUM, PAM) i sensitivitet for fjernt beslektede homologer og strukturelt begrensede regioner, noe som gjør dem til den nåværende tilstanden for vanskelige justeringsoppgaver innen genomikk og proteomikk.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/no/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.
- Fylogenetisk analyseBioinformatikk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →