jackhmmer - Online en la nube

PROGRAMA:

NOMBRE

jackhmmer: búsqueda iterativa de secuencias en una base de datos de proteínas

SINOPSIS

jackhmmer [opciones]

DESCRIPCIÓN

jackhmmer busca iterativamente cada secuencia de consulta en contra el objetivo
secuencia (s) en . La primera iteración es idéntica a una phmmer buscar. Para el
siguiente iteración, una alineación múltiple de la consulta junto con todas las secuencias de destino
satisfactorio inclusión umbrales se ensambla, se construye un perfil a partir de esta alineación
(idéntico a usar hmmconstruir en la alineación), y búsqueda de perfil de la está hecho
(idéntico a un hmmbúsqueda con el perfil).

La consulta puede ser '-' (un carácter de guión), en cuyo caso las secuencias de consulta son
leer de un pipe en lugar de desde un archivo. los no se puede leer de un
corriente, porque jackhmmer necesita hacer varias pasadas sobre la base de datos.

El formato de salida está diseñado para ser legible por humanos, pero a menudo es tan voluminoso que
leerlo no es práctico y analizarlo es un fastidio. los --tblout y --domtblout opciones
guarde la salida en formatos tabulares simples que son concisos y más fáciles de analizar. los -o opción
permite redirigir la salida principal, incluso desecharla en / dev / null.

CAMPUS

-h Ayudar; imprima un breve recordatorio del uso de la línea de comandos y todas las opciones disponibles.

-N Establezca el número máximo de iteraciones en . El valor predeterminado es 5. Si N = 1, el resultado
es equivalente a una phmmer buscar.

CAMPUS CONTROLADOR SALIDA

De forma predeterminada, la salida de cada iteración aparece en stdout en un formato legible por humanos,
formato algo analizable. Estas opciones permiten redirigir esa salida o guardar
tipos adicionales de salida a archivos, incluidos archivos de punto de control para cada iteración.

-o Dirija la salida legible por humanos a un archivo .

-A Después de la iteración final, guarde una alineación múltiple anotada de todos los hits
Satisfacer los umbrales de inclusión (también incluida la consulta original) para in
Formato de Estocolmo.

--tblout
Después de la iteración final, guarde un resumen tabular de los hits de la secuencia principal en en un parche de
formato fácilmente analizable, columnar, delimitado por espacios en blanco.

--domtblout
Después de la iteración final, guarde un resumen tabular de los principales hits de dominio en en un parche de
formato fácilmente analizable, columnar, delimitado por espacios en blanco.

--chkhmm
Al comienzo de cada iteración, verifique la consulta HMM, guardándola en un archivo llamado
- .mmm donde es el número de iteración (de 1..N).

--chkalí
Al final de cada iteración, verifique una alineación de todos los dominios que satisfaga
umbrales de inclusión (por ejemplo, qué se convertirá en el HMM de consulta para la próxima iteración),
guardándolo en un archivo llamado <checkpoint presentar prefijo> - .sto en formato de Estocolmo,
donde es el número de iteración (de 1..N).

--cuenta Utilice accesiones en lugar de nombres en la salida principal, cuando estén disponibles para los perfiles.
y / o secuencias.

--noali
Omita la sección de alineación de la salida principal. Esto puede reducir en gran medida la salida
volumen.

--notexto
Ilimite la longitud de cada línea en la salida principal. El valor predeterminado es un límite de 120
caracteres por línea, lo que ayuda a mostrar la salida de forma limpia en los terminales y
en los editores, pero puede truncar las líneas de descripción del perfil de destino.

--texto
Establezca el límite de longitud de línea de la salida principal en caracteres por línea. El valor predeterminado es
120.

CAMPUS CONTROLADOR SOLTERO SECUENCIA PUNTAJE (PRIMERO ITERACIÓN)

De forma predeterminada, la primera iteración usa un modelo de búsqueda construido a partir de una sola consulta
secuencia. Este modelo se construye utilizando una matriz de sustitución estándar de 20x20 para residuos.
probabilidades, y dos parámetros adicionales para la brecha abierta y la brecha independientes de la posición
extender probabilidades. Estas opciones permiten los parámetros de puntuación de secuencia única predeterminados
Ser cambiado.

--abrir
Establezca la probabilidad de apertura de la brecha para un modelo de consulta de secuencia única en . El valor por defecto
es 0.02. debe ser> = 0 y <0.5.

--extender
Establezca la probabilidad de extensión de la brecha para un modelo de consulta de secuencia única en .
el predeterminado es 0.4. debe ser> = 0 y <1.0.

--mx
Obtenga probabilidades de alineación de residuos de la matriz de sustitución incorporada denominada
. Varias matrices estándar están integradas y no es necesario leerlas
archivos. El nombre de la matriz puede ser PAM30, PAM70, PAM120, PAM240, BLOSUM45,
BLOSUM50, BLOSUM62, BLOSUM80 o BLOSUM90. Solo uno de los --mx y --mxarchivo
se pueden utilizar opciones.

--mxarchivo
Obtenga probabilidades de alineación de residuos de la matriz de sustitución en el archivo
. La matriz de puntuación predeterminada es BLOSUM62 (esta matriz es interna de HMMER
y no tiene que estar disponible como archivo). El formato de una matriz de sustitución
es el formato estándar aceptado por BLAST, FASTA y otras secuencias
software de análisis.

CAMPUS CONTROLADOR PRESENTACIÓN DE INFORMES UMBRALES

Los umbrales de informe controlan qué hits se informan en los archivos de salida (la salida principal,
--tblouty --domtblout). En cada iteración, los hits de secuencia y de dominio se clasifican
por significancia estadística (valor E) y la salida se genera en dos secciones llamadas per-
salida de destino y por dominio. En la salida por objetivo, de forma predeterminada, todos los resultados de secuencia con un
Se informan valores E <= 10. En la salida por dominio, para cada objetivo que ha pasado por
umbrales de informes de destino, todos los dominios que satisfacen los umbrales de informes por dominio son
informó. De forma predeterminada, estos son dominios con valores E condicionales de <= 10. Lo siguiente
Las opciones le permiten cambiar los umbrales de informe de valor E predeterminados o utilizar la puntuación de bits.
umbrales en su lugar.

-E Secuencias de informes con valores E <= en salida por secuencia. El valor predeterminado es 10.0.

-T Utilice un umbral de puntuación de bits para la salida por secuencia en lugar de un umbral de valor E
(cualquier escenario de -E se ignora). Informar secuencias con una puntuación de bits de> = . Por
por defecto, esta opción no está configurada.

-Z Declare que el tamaño total de la base de datos es secuencias, a efectos de valor E
cálculo. Normalmente, los valores E se calculan en relación con el tamaño de la base de datos.
realmente buscaste (p. ej., el número de secuencias en objetivo_seqdb). En algunos
casos (por ejemplo, si ha dividido su base de datos de secuencia objetivo en múltiples
archivos para la paralelización de su búsqueda), es posible que sepa mejor cuál es el tamaño real
de su espacio de búsqueda es.

--Hazme
Informar dominios con valores E condicionales <= en la salida por dominio, además
al dominio de mayor puntuación por secuencia significativa. El valor predeterminado es 10.0.

--domT
Utilice un umbral de puntuación de bits para la salida por dominio en lugar de un umbral de valor E
(cualquier escenario de --domT se ignora). Informar dominios con una puntuación mínima de> = in
salida por dominio, además del dominio de mayor puntuación por secuencia significativa
pegar. De forma predeterminada, esta opción no está configurada.

--domZ
Declare el número de secuencias significativas como secuencias, a los efectos de
Cálculo del valor E condicional para una importancia de dominio adicional. Normalmente
Los valores E condicionales se calculan en relación con el número de secuencias que pasan
umbral de informes por secuencia.

CAMPUS CONTROLADOR INCLUSIÓN UMBRALES

Los umbrales de inclusión controlan qué hits se incluyen en la alineación y el perfil múltiples
construido para la próxima iteración de búsqueda. Por defecto, una secuencia debe tener un
secuencia valor E de <= 0.001 (ver -E opción) para ser incluido, y cualquier dominio adicional en
además de la puntuación más alta, debe tener un valor E condicional de <= 0.001 (ver --Hazme
opción). La diferencia entre los umbrales de notificación y los umbrales de inclusión es que
Los umbrales de inclusión controlan qué hits realmente se utilizan en la siguiente iteración (o el
alineación múltiple de salida final si el -A se utiliza la opción), mientras que los umbrales de notificación
controle lo que ve en la salida. Los umbrales de notificación son generalmente más flexibles, por lo que puede
vea golpes en el límite en la parte superior del ruido que podrían ser de interés.

--incE
Incluir secuencias con valores E <= en iteración posterior o alineación final
salida por -A. El valor predeterminado es 0.001.

--incT
Utilice un umbral de puntuación de bits para la inclusión por secuencia en lugar de un valor E
umbral (cualquier ajuste de --incE se ignora). Incluir secuencias con una pequeña puntuación de
>= . De forma predeterminada, esta opción no está configurada.

--incdomE
Incluir dominios con valores E condicionales <= en iteración posterior o final
salida de alineación por -A, además del dominio con la puntuación más alta por
golpe de secuencia. El valor predeterminado es 0.001.

--incdomT
Utilice un umbral de puntuación de bits para la inclusión por dominio en lugar de un umbral de valor E
(cualquier escenario de --incT se ignora). Incluir dominios con una puntuación mínima de> = . Por
por defecto, esta opción no está configurada.

CAMPUS CONTROLADOR ACELERACIÓN HEURÍSTICAS

Las búsquedas de HMMER3 se aceleran en una tubería de filtro de tres pasos: el filtro MSV, el
Filtro Viterbi y el filtro Forward. El primer filtro es el más rápido y el más
aproximado; el último es el algoritmo de puntuación Forward completo, el más lento pero el más preciso.
También hay un paso de filtro de polarización entre MSV y Viterbi. Objetivos que pasan todos los pasos
en la tubería de aceleración luego se someten a posprocesamiento: identificación de dominio
y puntuación utilizando el algoritmo Forward / Backward.

Esencialmente, los únicos parámetros libres que controlan los filtros heurísticos de HMMER son los P-
umbrales de valor que controlan la fracción esperada de secuencias no homólogas que pasan
los filtros. Establecer los umbrales predeterminados más altos pasará una mayor proporción de
secuencia no homóloga, aumentando la sensibilidad a expensas de la velocidad; en cambio,
establecer umbrales de valor P más bajos pasará una proporción menor, disminuyendo la sensibilidad
y velocidad creciente. Establecer el umbral del valor P de un filtro en 1.0 significa que pasará
todas las secuencias, y efectivamente desactiva el filtro.

Cambiar los umbrales de filtro solo elimina o incluye los objetivos de la consideración; cambiando
Los umbrales de filtro no altera las puntuaciones de bits, los valores E o las alineaciones, todos los cuales son
determinado únicamente en el posprocesamiento.

--máx Máxima sensibilidad. Apague todos los filtros, incluido el filtro de polarización, y ejecútelos por completo
Postprocesamiento hacia adelante / hacia atrás en cada objetivo. Esto aumenta la sensibilidad
ligeramente, a un alto costo de velocidad.

--F1
Primer umbral de filtro; establezca el umbral del valor P para el paso del filtro MSV. los
el valor predeterminado es 0.02, lo que significa que aproximadamente el 2% de los no homólogos con la puntuación más alta
Se espera que los objetivos pasen el filtro.

--F2
Segundo umbral de filtro; establezca el umbral del valor P para el paso del filtro de Viterbi.
El valor predeterminado es 0.001.

--F3
Tercer umbral de filtro; establezca el umbral del valor P para el paso del filtro hacia adelante. los
el predeterminado es 1e-5.

--nobias
Apague el filtro de polarización. Esto aumenta un poco la sensibilidad, pero puede
alto costo en velocidad, especialmente si la consulta tiene una composición de residuos sesgada (como
una región de secuencia repetitiva, o si es una proteína de membrana con grandes regiones de
hidrofobicidad). Sin el filtro de polarización, demasiadas secuencias pueden pasar el filtro
con consultas sesgadas, lo que lleva a un rendimiento más lento de lo esperado ya que el
algoritmos de avance / retroceso computacionalmente intensivos soportan un peso anormalmente pesado
cargar.

CAMPUS CONTROLADOR PERFIL CONSTRUCCIÓN (MÁS TARDE ITERACIONES)

Estas opciones controlan cómo se definen las columnas de consenso en múltiples alineaciones cuando
perfiles de construcción. Por defecto, jackhmmer siempre incluye la secuencia de consulta original en
el resultado de la alineación en cada iteración, y las posiciones de consenso están definidas por esa consulta
secuencia: es decir, un valor predeterminado jackhmmer El perfil tiene siempre la misma longitud que el original.
consulta, en cada iteración.

--rápido Definir columnas de consenso como aquellas que tienen una fracción> = Symfrac de residuos como
opuesto a las lagunas. (Vea a continuación para --symfrac opción.) Aunque esta es la opción predeterminada
opción de construcción de perfil en otro lugar (en hmmconstruir, en particular), puede tener
efectos indeseables en jackhmmer, porque un perfil podría entrar iterativamente
espacio de secuencia lejos de su consulta original, dejando pocas o ninguna columna de consenso
correspondiente a sus residuos.

--mano Defina las columnas de consenso en el siguiente perfil utilizando la anotación de referencia al múltiplo
alineación. jackhmmer propaga la anotación de referencia del perfil anterior a
la alineación múltiple, y de allí al siguiente perfil. Este es el predeterminado.

--symfrac
Definir el umbral de fracción de residuo necesario para definir una columna de consenso cuando
usando el --rápido opción. El valor predeterminado es 0.5. La fracción de símbolo en cada columna es
calculado después de tener en cuenta la ponderación relativa de la secuencia e ignorar la brecha
caracteres correspondientes a los extremos de los fragmentos de secuencia (a diferencia de los
inserciones / eliminaciones). Establecer esto en 0.0 significa que cada columna de alineación
asignarse como consenso, lo que puede ser útil en algunos casos. Poniéndolo en 1.0
significa que solo las columnas que incluyen 0 espacios (inserciones / eliminaciones internas) serán
asignado como consenso.

--fragmentar
Solo queremos contar los huecos terminales como eliminaciones si se conoce la secuencia alineada
ser de longitud completa, no si es un fragmento (por ejemplo, porque solo una parte
fue secuenciado). HMMER usa una regla simple para inferir fragmentos: si la longitud de la secuencia
L es menor o igual a una fracción veces la longitud de la alineación en columnas,
luego, la secuencia se maneja como un fragmento. El valor predeterminado es 0.5. Configuración
--fragmentar0 definirá ninguna secuencia (no vacía) como un fragmento; tu podrías querer
Haga esto si sabe que tiene una alineación cuidadosamente seleccionada de
secuencias. Configuración --fragmentar1 definirá todas las secuencias como fragmentos; podrías
quiere hacer esto si sabe que su alineación está compuesta enteramente por fragmentos, como
como lecturas cortas traducidas en datos de escopeta metagenómica.

CAMPUS CONTROLADOR RELATIVO PESAS

Siempre que se crea un perfil a partir de una alineación múltiple, HMMER utiliza una secuencia ad hoc
algoritmo de ponderación para reducir el peso de las secuencias estrechamente relacionadas y aumentar el peso de las secuencias relacionadas lejanamente
unos. Esto tiene el efecto de hacer que los modelos estén menos sesgados por la desigualdad filogenética.
representación. Por ejemplo, dos secuencias idénticas normalmente recibirían cada una la mitad de la
peso que una secuencia tendría (y es por eso que jackhmmer no se preocupa por siempre
incluyendo su secuencia de consulta original en la alineación de cada iteración, incluso si la encuentra
nuevamente en la base de datos que está buscando). Estas opciones controlan qué algoritmo se utiliza.

--wpb Utilice el esquema de ponderación de secuencia basado en la posición de Henikoff [Henikoff y Henikoff,
J. Mol. Biol. 243: 574, 1994]. Este es el predeterminado.

--wgsc Utilice el algoritmo de ponderación de Gerstein / Sonnhammer / Chothia [Gerstein et al, J. Mol.
Biol. 235: 1067, 1994].

--wblosum
Utilice el mismo esquema de agrupamiento que se utilizó para ponderar los datos al calcular BLOSUM
matrices de sustitución [Henikoff y Henikoff, Proc. Natl. Acad. Sci 89: 10915, 1992].
Las secuencias se agrupan en un solo enlace en un umbral de identidad (predeterminado 0.62; consulte
--ancho) y dentro de cada grupo de secuencias c, cada secuencia obtiene un peso relativo
1 / c.

--uno
Sin pesos relativos. A todas las secuencias se les asigna un peso uniforme.

--ancho
Establece el umbral de identidad utilizado por la agrupación en clústeres de enlace único cuando se utiliza --wblosum.
No válido con cualquier otro esquema de ponderación. El valor predeterminado es 0.62.

CAMPUS CONTROLADOR EFICAZ SECUENCIA NÚMERO

Una vez determinados los pesos relativos, se normalizan para sumar un total efectivo
secuencia de números, eff_nseq. Este número puede ser el número real de secuencias en el
alineación, pero casi siempre es más pequeña que eso. La ponderación de entropía predeterminada
Método (--ent) reduce el número de secuencia efectivo para reducir el contenido de la información
(entropía relativa o puntuación media esperada en homólogos verdaderos) por posición de consenso. los
La entropía relativa objetivo está controlada por una función de dos parámetros, donde los dos
los parámetros se pueden configurar con --antes de y --esigma.

--ente Ajuste el número de secuencia efectivo para lograr una entropía relativa específica por
posición (ver --antes de). Este es el predeterminado.

--ecluso
Establezca el número de secuencia efectivo en el número de clústeres de enlace único en un
umbral de identidad específico (ver --eid). No se recomienda esta opción; es para
experimentos que evalúan cuánto mejor --ente .

--enona
Desactive la determinación efectiva del número de secuencia y utilice simplemente el número real de
secuencias. Una de las razones por las que podría querer hacer esto es para tratar de maximizar el valor relativo
entropía / posición de su modelo, que puede ser útil para modelos cortos.

--establecer
Establezca explícitamente el número de secuencia efectivo para todos los modelos en .

--antes de
Establezca el objetivo de posición / entropía relativa mínima en . Requiere --ente. Defecto
depende del alfabeto de secuencia; para las secuencias de proteínas, es de 0.59 bits / posición.

--esigma
Establece la entropía relativa mínima aportada por una alineación completa del modelo, sobre
en toda su longitud. Esto tiene el efecto de hacer que los modelos cortos tengan un valor relativo más alto.
entropía por posición que --antes de solo daría. El valor predeterminado es de 45.0 bits.

--eid
Establece el límite de identidad fraccional por pares utilizado por el agrupamiento de enlace único con
las --ecluso opción. El valor predeterminado es 0.62.

CAMPUS CONTROLADOR PRIORES

En la construcción de perfiles, de forma predeterminada, los recuentos ponderados se convierten a la media posterior
Estimaciones de los parámetros de probabilidad utilizando la mezcla a priori de Dirichlet. Dirichlet mezcla por defecto
Se construyen los parámetros previos para los modelos de proteínas y para los modelos de ácidos nucleicos (ARN y ADN).
pulg. Las siguientes opciones le permiten anular las anteriores predeterminadas.

--none No uses ningún previo. Los parámetros de probabilidad serán simplemente los observados
frecuencias, después de la ponderación relativa de la secuencia.

--lugar Utilice un Laplace +1 antes en lugar de la mezcla predeterminada Dirichlet antes.

CAMPUS CONTROLADOR VALOR ELECTRÓNICO CALIBRACION

Estimación de los parámetros de ubicación para las distribuciones de puntuación esperadas para el filtro MSV
puntajes, puntajes de filtro de Viterbi y puntajes hacia adelante requieren tres breves secuencias aleatorias
simulaciones.

--Eml
Establece la longitud de la secuencia en la simulación que estima el parámetro de ubicación mu para
Valores E del filtro MSV. El valor predeterminado es 200.

--EmN
Establece el número de secuencias en la simulación que estima el parámetro de ubicación mu
para valores E del filtro MSV. El valor predeterminado es 200.

--EvL
Establece la longitud de la secuencia en la simulación que estima el parámetro de ubicación mu para
Valores E del filtro Viterbi. El valor predeterminado es 200.

--EvN
Establece el número de secuencias en la simulación que estima el parámetro de ubicación mu
para valores E del filtro Viterbi. El valor predeterminado es 200.

--EFL
Establece la longitud de la secuencia en la simulación que estima el parámetro de ubicación tau
para valores E directos. El valor predeterminado es 100.

--EfN
Establece el número de secuencias en la simulación que estima el parámetro de ubicación
tau para valores E directos. El valor predeterminado es 200.

--Eft
Establece la fracción de masa de la cola para que se ajuste a la simulación que estima la ubicación.
parámetro tau para evaluaciones de avance. El valor predeterminado es 0.04.

OTROS CAMPUS

--no nulo2
Desactive las correcciones de puntuación nula2 para composición sesgada.

-Z Afirme que el número total de objetivos en sus búsquedas es , para los fines
de cálculos de valor E por secuencia, en lugar del número real de objetivos
visto.

--domZ
Afirme que el número total de objetivos en sus búsquedas es , para los fines
de cálculos de valor E condicionales por dominio, en lugar del número de objetivos
que superaron los umbrales de notificación.

--semilla
Siembra el generador de números aleatorios con , un número entero> = 0. Si es> 0, cualquiera
las simulaciones estocásticas serán reproducibles; el mismo comando dará lo mismo
resultados. Si es 0, el generador de números aleatorios se siembra arbitrariamente y
Las simulaciones estocásticas variarán de una ejecución a otra del mismo comando. El valor por defecto
la semilla es 42.

--qformato
Declare que la entrada query_seqfile está en formato . Archivo de secuencia aceptado
los formatos incluyen FASTA, EMBL, GenBank, DDBJ, UniProt, Stockholm y SELEX. Defecto
es detectar automáticamente el formato del archivo.

--formato
Declare que la entrada objetivo_seqdb está en formato . Archivo de secuencia aceptado
los formatos incluyen FASTA, EMBL, GenBank, DDBJ, UniProt, Stockholm y SELEX. Defecto
es detectar automáticamente el formato del archivo.

--UPC
Establezca el número de subprocesos de trabajo en paralelo en . De forma predeterminada, HMMER establece esto en
la cantidad de núcleos de CPU que detecta en su máquina, es decir, intenta maximizar
el uso de sus núcleos de procesador disponibles. Configuración mayor que el número de
los núcleos disponibles tienen poco valor, si es que lo tienen, pero es posible que desee establecerlo en algo
menos. También puede controlar este número configurando una variable de entorno,
HMMER_NCPU.

Esta opción solo está disponible si HMMER se compiló con soporte para subprocesos POSIX.
Este es el valor predeterminado, pero es posible que se haya desactivado en tiempo de compilación para su sitio.
o máquina por alguna razón.

--puesto
Para depurar la versión MPI master / worker: pause después del inicio, para habilitar la
desarrollador para adjuntar depuradores a los procesos maestro y trabajador en ejecución. Enviar
Señal SIGCONT para liberar la pausa. (Bajo gdb: (BGF) señal SEÑAL) (Solamente
disponible si se habilitó la compatibilidad con MPI opcional en tiempo de compilación).

--mpi Ejecutar en modo maestro / trabajador MPI, usando mpirún. (Solo disponible si MPI opcional
el soporte estaba habilitado en tiempo de compilación).

Use jackhmmer en línea usando los servicios de onworks.net