Uczenie maszynowe wspomagające wyrównywanie sekwencji
Uczenie maszynowe wspomagające wyrównywanie sekwencji wykorzystuje modele statystycznego uczenia się – w tym głębokie sieci neuronowe i białkowe modele językowe – do obliczania biologicznie znaczących wyrównań między sekwencjami nukleotydowymi lub aminokwasowymi. Ucząc się wzorców substytucji i ograniczeń strukturalnych na podstawie dużych korpusów treningowych, metody te przewyższają klasyczne macierze punktacji (np. BLOSUM, PAM) pod względem czułości na odległe homologi i regiony z ograniczeniami strukturalnymi, co czyni je obecnym stanem wiedzy w trudnych zadaniach wyrównywania w genomice i proteomice.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/pl/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.
- Analiza filogenetycznaBioinformatyka↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →