Машинне навчання для вирівнювання послідовностей
Машинне навчання для вирівнювання послідовностей використовує статистичні моделі навчання — включаючи глибокі нейронні мережі та мовні моделі білків — для обчислення біологічно значущих вирівнювань між нуклеотидними або амінокислотними послідовностями. Навчаючись на шаблонах заміщення та структурних обмеженнях з великих навчальних корпусів, ці методи перевершують класичні матриці оцінювання (наприклад, BLOSUM, PAM) за чутливістю до віддалених гомологів та структурно обмежених регіонів, що робить їх сучасним стандартом для складних завдань вирівнювання в геноміці та протеоміці.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Assisted Sequence Alignment. ScholarGate. https://scholargate.app/uk/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.
- Філогенетичний аналізБіоінформатика↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →