Dizi Hizalama — Biyolojik Dizi Hizalama

Global hizalama (Needleman–Wunsch), her iki dizinin tam uzunluğunu baştan sona hizalar, gerektiğinde boşluklar ekler. Her iki dizinin de benzer uzunlukta olduğu ve tüm uzantıları boyunca homolog olması beklendiği durumlarda uygundur (örneğin, ortolog tam uzunlukta proteinleri karşılaştırırken). Yerel hizalama (Smith–Waterman), uçtan uca kapsama gerektirmeden en yüksek puan alan ardışık eşleşen alt dizileri bulur. Daha büyük, aksi takdirde farklılaşmış bir dizi içindeki korunmuş bir alanı ararken veya sorgu ve hedef uzunlukları önemli ölçüde farklı olduğunda tercih edilir.

BLAST, veritabanı benzerliği araması için tasarlanmıştır — bir veya birkaç diziniz vardır ve büyük bir veritabanındaki homologları bulmak istersiniz. Puanlanmış eşleşmeleri E-değerine göre sıralanmış olarak döndürür ve rastgele uzunluktaki dizileri işler. Kısa okuma hizalayıcıları (BWA, Bowtie2, HISAT2), NGS platformları tarafından üretilen milyonlarca kısa okumayı (50–300 bp) tek bir referans genomuna çok yüksek verimlilikle eşlemek üzere optimize edilmiştir. Açıklama ve homoloji aramaları için BLAST'ı kullanın; genomik, transkriptomik veya epigenomik deneylerde okuma eşlemesi için kısa okuma hizalayıcısını kullanın.

BLAST aramasındaki E-değeri (beklenen değer), aynı boyuttaki bir veritabanında şans eseri bu puan seviyesinde beklenen eşit veya daha iyi puana sahip hizalama sayısını bildirir. 0.001'lik bir E-değeri, bu puan seviyesinde yaklaşık olarak her 1000 aramada bir yanlış pozitif anlamına gelir. Eşikler bağlama bağlıdır: 1e-5, homoloji çıkarımı için yaygın bir muhafazakar kesme noktasıdır; 1e-3 uzak homologlar için kullanılabilir; 0.01'in üzerindeki değerler dikkatle yorumlanmalıdır. Her zaman E-değerini yüzde kimlik ve hizalama kapsamıyla birleştirin — kısa hizalama kapsamıyla düşük bir E-değeri hala biyolojik olarak bilgilendirici olmayabilir.

Evet, ancak standart kısa okuma hizalayıcıları uygun değildir. Oxford Nanopore veya PacBio platformlarından gelen uzun okumalar tipik olarak 1–50 kb'dir ve Illumina okumalarından daha yüksek baz başına hata oranlarına sahiptir. minimap2 ve NGMLR gibi araçlar uzun okuma hizalaması için tasarlanmıştır; farklı bir tohum stratejisi (minimizerler) kullanırlar ve uzun okuma teknolojilerinin karakteristik özelliği olan artan indel oranlarına toleranslıdırlar.

BLOSUM ailesi, çoğu protein hizalama görevi için standart seçimdir. BLOSUM62, BLAST'ta varsayılandır ve yaklaşık %30–60 kimliğe sahip diziler için iyi performans gösterir. Daha uzak akraba proteinler için ( %30 kimliğin altında) daha farklı eğitim setleri üzerinde kalibre edilmiş ve nadir ama evrimsel olarak olası yerine koymalar için daha yüksek puanlar atayan BLOSUM45 veya BLOSUM30'u kullanın. PAM matrisleri daha eski bir alternatiftir; PAM250, uzak karşılaştırmalar için BLOSUM45'e kabaca benzerdir.