Машинско учење потпомогнуто поравнање секвенци
Машинско учење потпомогнуто поравнање секвенци користи моделе статистичког учења — укључујући дубоке неуронске мреже и протеинске језичке моделе — за израчунавање биолошки значајних поравнања између нуклеотидних или аминокиселинских секвенци. Учењем образаца супституције и структурних ограничења из великих корпусa за обуку, ове методе надмашују класичне матрице скорова (нпр. BLOSUM, PAM) у осетљивости за удаљене хомологе и структурно ограничене регионе, чинећи их тренутним стањем технике за тешке задатке поравнања у геномици и протеомици.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/sr/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.
- Filogenetička analizaBioinformatika↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →