HMMER Profil Arama
Hidden Markov Model Profile Search for Sequence Homology · Ayrıca şöyle bilinir: profile-hidden Markov model, HMM profile search, HMMER
HMMER profil araması, profil Gizli Markov Modelleri (HMM'ler) olarak bilinen protein ailelerinin olasılıksal modellerini kullanarak uzak protein dizisi homologlarını tanımlar. Eddy ve meslektaşları tarafından geliştirilen bu yöntem, protein aileleri içindeki dizi varyasyon modellerini yakalar ve konum ağırlık matrislerine veya ikili hizalamalara göre çok daha yüksek hassasiyetle homologları tespit eder.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
HMMER'ı, özellikle bilinen ailelere düşük dizi kimliği olan proteinler için, BLAST gibi dizi benzerliği araçlarıyla tespit edilemeyen uzak homologları tespit etmek için kullanın. Genom açıklaması, korunmuş alanların tanımlanması ve fonksiyonel ilişkilerin keşfedilmesi için esastır. Homologları olmayan tek üyeli proteinler için HMMER'dan kaçının.
Güçlü yönler & sınırlılıklar
- Dizi benzerliği yöntemlerinin kaçırdığı uzak homologları tespit eder
- Konum-özgü puanlama, biyolojik olarak önemli kısıtlamaları yakalar
- Katı istatistiksel anlamlılık değerlendirmesi sağlar
- Yaygın olarak bulunan HMM veritabanları (Pfam, InterPro) çoğu bilinen proteini kapsar
- Referans hizalamaların kalitesine ve eksiksizliğine bağlıdır
- BLAST benzeri aramalardan hesaplama açısından daha yoğundur
- HMM profilleri sınırlı veriler üzerinde aşırı eğitilmişse yanlış pozitifler üretebilir
- Marjinal anlamlılık eşiklerinde eşleşmeleri yorumlamak zordur
SSS
Hangi E-değeri veya bit puanı eşiğini anlamlı bir HMM eşleşmesi olarak kabul etmeliyim?
Önerilen E-değeri eşikleri, güvenilir alan isabetleri için <0.001 veya keşif amaçlı aramalar için <1.0'dır. Bit puanları > 100, iyi eğitilmiş HMM'ler için tipik olarak anlamlıdır. Ancak, eşikler belirli alanınızdaki bilinen doğru ve yanlış pozitiflere karşı kalibre edilmelidir.
Aynı protein üzerindeki örtüşen alan eşleşmelerini nasıl yorumlamalıyım?
Örtüşen eşleşmeler, karmaşık mimariye sahip çoklu alan proteinlerini gösterebilir. Örtüşmeyen eşleşmeleri veya daha yüksek puanlı eşleşmeleri önceliklendirin. Bilinen ortologlardaki alan sırası korunmasını kontrol ederek ve örtüşmenin biyolojik olarak anlamlı olup olmadığını değerlendirerek çapraz doğrulama yapın.
HMMER mevcut veritabanlarında olmayan yeni protein katlarını tespit edebilir mi?
Hayır, HMMER aramaları referans HMM profillerine dayanır. Yeni katları tespit etmek için de novo yapı tahmini araçları veya hizalama-ücretsiz yöntemler gereklidir. Ancak, HMMER, bilinen ailelerle alan homolojisini paylaşıyorlarsa, yeni proteinler içindeki korunmuş öğeleri tanımlayabilir.
Kaynaklar
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Hidden Markov Model Profile Search for Sequence Homology. ScholarGate. https://scholargate.app/tr/bioinformatics/hmmer-profile-search
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kriyo-EM Yeniden YapılandırmaBiyoenformatik↔ karşılaştır
- Metagenomik GruplamaBiyoenformatik↔ karşılaştır
- Moleküler KenetlemeBiyoenformatik↔ karşılaştır