cmalign - آنلاین در ابر

برنامه:

نام

cmalign - توالی ها را با یک مدل کوواریانس تراز کنید

خلاصه

هماهنگ کردن
[گزینه ها]

شرح

هماهنگ کردن توالی های RNA را در هم تراز می کند به مدل کوواریانس (CM) در .
تراز جدید خروجی به stdout در قالب استکهلم، اما می توان آن را به یک فایل هدایت کرد
با -o گزینه.

در هر or (اما نه هر دو) ممکن است '-' (خط تیره) باشد، که به معنای خواندن این است
ورودی از stdin به جای یک فایل

فایل دنباله باید در قالب FASTA یا Genbank باشد.

هماهنگ کردن از یک تکنیک باندبندی HMM برای سرعت بخشیدن به تراز به طور پیش فرض همانطور که توضیح داده شد استفاده می کند
زیر برای --hbanded گزینه. باند HMM را می توان با خاموش کرد -- بدون نوار گزینه.

به طور پیش فرض، هماهنگ کردن تراز را با حداکثر دقت مورد انتظار محاسبه می کند
سازگار با محدودیت ها (باندها) مشتق شده از HMM، با استفاده از یک نسخه نواری از
الگوریتم دقت بهینه دوربین/هولمز. این رفتار را می توان با -- cyk or
--نمونه گزینه.

هماهنگ کردن برای تراز صحیح توالی های کوتاه شده، جایی که برخی نوکلئوتیدها در آن قرار دارند، مراقبت ویژه ای می کند
از ابتدای (5') و/یا انتهای (3') دنباله بیولوژیکی واقعی تمام طول هستند
در توالی ورودی وجود ندارد (به DL Kolbe and SR Eddy, Bioinformatics, 25:1236-1243 مراجعه کنید،
2009). این رفتار به طور پیش‌فرض روشن است، اما می‌توان با آن غیرفعال کرد --notrunc. در گذشته
نسخه های هماهنگ کردن la --زیر گزینه مورد نیاز برای رسیدگی مناسب کوتاه شده بود
دنباله ها را --زیر گزینه هنوز در این نسخه موجود است، اما روش پیش فرض جدید است
برای رسیدگی به دنباله های کوتاه شده باید تقریباً به خوبی یا برتر از روش فرعی باشد
همه موارد

La -- mapali این گزینه اجازه می دهد تا تراز آموزشی ثابت مورد استفاده برای ساخت را درج کند
CM از فایل در تراز خروجی از هماهنگ کردن

امکان ادغام دو یا چند تراز ایجاد شده توسط یک CM با استفاده از Easel وجود دارد
مینیاپ esl-alimerge (شامل در زیر دایرکتوری easel/miniapps/ Infernal). قبلی
نسخه های هماهنگ کردن شامل گزینه هایی برای ادغام ترازها بود اما آنها منسوخ شدند
توسعه esl-alimerge، که به طور قابل توجهی کارآمدتر حافظه است.

به طور پیش فرض، هماهنگ کردن خروجی تراز را به stdout می دهد. تراز را می توان تغییر مسیر داد
به یک فایل خروجی با -o گزینه. با -و ، اطلاعات در مورد هر تراز
توالی، از جمله امتیاز و مرزهای تراز مدل در stdout چاپ می شود (بیشتر
در این زیر).

تراز خروجی به صورت پیش فرض در قالب استکهلم خواهد بود. این را می توان به Pfam تغییر داد،
با استفاده از فرمت FASTA (AFA)، A2M، Clustal یا Phylip تراز شد -- فرمت گزینه،
جایی که نام قالب مورد نظر است. به عنوان یک مورد خاص، اگر تراز خروجی
بزرگ است (بیش از 10,000 دنباله یا بیش از 10,000,000 کل نوکلئوتید) از
فرمت خروجی فرمت Pfam خواهد بود که هر دنباله در یک خط ظاهر می شود
دلایل کارایی حافظه برای ترازهای بزرگتر از این، با استفاده از --ترک کردم مجبور خواهد شد
فرمت استکهلم در هم آمیخته شده است، اما کاربر باید بداند که این ممکن است به مقدار زیادی نیاز داشته باشد
حافظه است. --ترک کردم فقط برای ترازهای تا 100,000 دنباله یا 100,000,000 کار می کند
نوکلئوتید کل

اگر فرمت تراز خروجی استکهلم یا Pfam باشد، تراز خروجی خواهد بود
مشروح با احتمالات پسینی که سطح اطمینان هر یک از ترازها را برآورد می کند
نوکلئوتید این حاشیه نویسی به صورت خطوطی ظاهر می شود که با "#=GR شروع می شود PP"، یک در هر
دنباله، هر یک بلافاصله زیر دنباله تراز شده مربوطه " ".
کاراکترها در خطوط PP دارای 12 مقدار ممکن هستند: "0-9"، "*"، یا ".". اگر "."، موقعیت
مربوط به شکاف در دنباله است. مقدار "0" نشان دهنده یک احتمال پسین است
بین 0.0 و 0.05، "1" بین 0.05 و 0.15، "2" بین 0.15 و
0.25 و غیره تا "9" که بین 0.85 و 0.95 را نشان می دهد. مقدار "*" نشان دهنده a است
احتمال عقبی بین 0.95 و 1.0. احتمالات پسین بالاتر مطابقت دارند
برای اطمینان بیشتر مبنی بر اینکه نوکلئوتید هم تراز به جایی که در آن ظاهر می شود تعلق دارد
هم ترازی. با -- بدون نوار، محاسبه احتمالات پسین همه را در نظر می گیرد
ترازهای احتمالی دنباله هدف با CM. بدون -- بدون نوار (یعنی به صورت پیش فرض
حالت)، محاسبه فقط ترازهای ممکن در باندهای HMM را در نظر می گیرد. به علاوه،
احتمالات پسین مشروط به حالت برش تراز است. برای
برای مثال، اگر تراز توالی 5' کوتاه شود، مقدار PP "9" بین
0.85 و 0.95 از همه ترازهای کوتاه شده 5 شامل نوکلئوتید داده شده در داده شده است.
موقعیت حاشیه نویسی پشتی را می توان با خاموش کرد -- مشکلی نیست گزینه. اگر --کم اهمیت
فعال است، حاشیه نویسی پسین نیز باید با استفاده از آن خاموش شود -- مشکلی نیست

خروجی جدولی که در stdout چاپ می شود -o گزینه مورد استفاده شامل یک خط است
در هر دنباله و دوازده فیلد در هر خط: "idx": شاخص دنباله در ورودی
file, "seq name": نام توالی. «طول»: طول دنباله; "سانتی متر از" و
"cm to": موقعیت های شروع و پایان مدل تراز. "trunc": "نه" اگر دنباله
کوتاه نیست، "5" اگر ابتدای دنباله کوتاه شده 5"، "3" اگر انتهای
دنباله کوتاه شده است، و اگر ابتدا و انتها هر دو کوتاه شده باشند، "5'&3'".
"bit sc": امتیاز بیت تراز، "avg pp" میانگین احتمال پسین
همه نوکلئوتیدهای هم تراز در تراز. "باند calc"، "تراز" و "کل": زمان
در ثانیه های مورد نیاز برای محاسبه باندهای HMM، محاسبه تراز و تکمیل
پردازش دنباله، به ترتیب؛ "mem (Mb)": اندازه همه پویا به مگابایت
ماتریس های برنامه نویسی مورد نیاز برای تراز کردن دنباله. این داده های جدولی را می توان ذخیره کرد
تشکیل پرونده با --sfile گزینه.

OPTIONS

-h کمک؛ یک یادآوری مختصر از استفاده از خط فرمان و گزینه های موجود چاپ کنید.

-o تراز را در قالب استکهلم در یک فایل ذخیره کنید . پیش فرض نوشتن آن است
به خروجی استاندارد

-g مدل را برای تراز کلی مدل پرس و جو با هدف پیکربندی کنید
دنباله ها به طور پیش فرض، مدل برای تراز محلی پیکربندی شده است. محلی
هم‌ترازی‌ها می‌توانند حاوی درج‌ها و حذف‌های بزرگی به نام «انتهای محلی» باشند
ساختار باید به طور متفاوت از ایندل های معمولی جریمه شود. اینها به عنوان حاشیه نویسی شده اند
ستون های "~" در خط RF تراز خروجی. در -g می توان از گزینه استفاده کرد
این اهداف محلی را مجاز ندانید. در -g اگر گزینه مورد نیاز است --زیر گزینه نیز می باشد
استفاده شده.

OPTIONS برای کنترل L' هم ترازی الگوریتم

--optacc
توالی ها را با استفاده از الگوریتم دقت بهینه دوربین/هولمز تراز کنید. این است
پیش فرض تراز دقت بهینه توسط باندهای HMM محدود می شود
شتاب مگر اینکه -- بدون نوار گزینه فعال است دقت بهینه
الگوریتم ترازهایی را تعیین می کند که احتمالات بعدی را به حداکثر می رساند
نوکلئوتیدهای هم تراز درون آن احتمالات خلفی با استفاده از
انواع الگوریتم های Inside و Outside (احتمالاً با نوار HMM).

-- cyk برای تراز کردن توالی ها از تراز دقت بهینه دوربین/هولمز استفاده نکنید.
در عوض از الگوریتم CYK استفاده کنید که امتیازدهی بهینه (حداکثر
احتمال) تراز کردن دنباله با مدل، با توجه به باندهای HMM (مگر اینکه
-- بدون نوار نیز فعال است).

--نمونه
یک تراز را از توزیع خلفی ترازها نمونه بگیرید. عقبی
توزیع با استفاده از نوار HMM تعیین می شود (مگر اینکه --بدون باند) نوع از
الگوریتم داخلی

-- دانه
مولد اعداد تصادفی را با ، یک عدد صحیح >= 0. این گزینه فقط می تواند
در ترکیب با استفاده شود --نمونه. If غیر صفر است، نمونه برداری تصادفی از
ترازها قابل تکرار خواهند بود. همین دستور همان نتایج را خواهد داد. اگر
0 است، مولد اعداد تصادفی به صورت دلخواه و تصادفی بذر می شود
نمونه‌برداری‌ها ممکن است از اجرای یک فرمان متفاوت باشد. دانه پیش فرض 181 است.

--notrunc
الگوریتم های تراز کوتاه شده را خاموش کنید. تمام دنباله های موجود در فایل ورودی خواهد بود
طول کامل فرض می شود، مگر اینکه --زیر نیز استفاده می شود که در این صورت برنامه می تواند
هنوز دنباله های کوتاه شده را مدیریت می کند، اما از یک استراتژی جایگزین برای آنها استفاده می کند
هم ترازی.

--زیر روش ساخت و تراز کردن مدل فرعی را روشن کنید. برای هر دنباله، یک
HMM ابتدا برای پیش‌بینی ستون‌های اجماع شروع و پایان مدل و یک جدید استفاده می‌شود
زیر CM ساخته شده است که فقط ستون های اجماع را از ابتدا تا انتها مدل می کند. در
سپس توالی با این زیر CM تراز می شود. تراز فرعی روشی قدیمی تر از روش است
یک پیش فرض برای تراز کردن توالی هایی که احتمالاً کوتاه شده اند. به صورت پیش فرض، هماهنگ کردن
از الگوریتم های DP ویژه برای رسیدگی به توالی های کوتاه شده استفاده می کند که باید بیشتر باشد
در اکثر موارد دقیق از روش فرعی است. --زیر هنوز به عنوان یک گزینه گنجانده شده است
عمدتاً برای آزمایش در برابر این مدیریت توالی کوتاه پیش‌فرض. این "CM فرعی"
رویه مشابه "sub CMs" توصیف شده توسط Weinberg و Ruzzo نیست.

OPTIONS برای کنترل سرعت و حافظه الزامات

--hbanded
این گزینه به صورت پیش فرض روشن است. با هرس کردن مناطق، هم ترازی را تسریع کنید
از ماتریس CM DP که توسط یک HMM ناچیز تلقی می شوند. اول، هر دنباله است
با طرح CM امتیاز 9 HMM حاصل از CM با استفاده از HMM رو به جلو و عقب
الگوریتم هایی برای محاسبه احتمالات پسینی که هر نوکلئوتید با هر یک از آنها همسو می شود
وضعیت HMM این احتمالات پسین برای استخراج محدودیت ها استفاده می شود
(باندها) روی ماتریس CM DP. در نهایت، دنباله هدف با CM تراز می شود
با استفاده از ماتریس DP نواری، که در طی آن سلول های خارج از باندها نادیده گرفته می شوند.
معمولاً بیشتر ماتریس DP کامل خارج از باندها قرار دارد (اغلب بیش از 95٪).
این تکنیک را سریعتر می کند زیرا به محاسبات DP کمتری نیاز است و بیشتر
حافظه کارآمد است زیرا فقط سلول های درون باندها باید تخصیص داده شوند.

نکته مهم، باند HMM تضمین تعیین بهینه را قربانی می کند
تراز دقیق یا بهینه، که اگر خارج از باندها باشد، از دست می‌رود.
پارامتر تاو مقدار جرم احتمالی است که در طول آن ناچیز در نظر گرفته می شود
محاسبه باند HMM. مقادیر کمتر تاو باعث افزایش سرعت بیشتر اما همچنین بیشتر می شود
احتمال از دست دادن تراز بهینه تاو پیش فرض 1E-7 است، تعیین شده است
به طور تجربی به عنوان یک مبادله خوب بین حساسیت و سرعت، هر چند این مقدار می تواند
با تغییر شود -- تاو گزینه. سطح شتاب با افزایش می یابد
هم طول و هم سطح حفظ توالی اولیه خانواده. مثلا،
با تاو پیش‌فرض 1E-7، مدل‌های tRNA (حفظ توالی اولیه کم با
طول حدود 75 نوکلئوتید) حدود 10 برابر شتاب را نشان می دهد و rRNA باکتری SSU
مدل‌ها (حفظ توالی اولیه بالا با طول حدود 1500 نوکلئوتید)
حدود 700X را نشان می دهد. باند HMM را می توان با خاموش کرد -- بدون نوار گزینه.

-- تاو
احتمال از دست دادن دم مورد استفاده در طول محاسبه باند HMM را بر روی تنظیم کنید . این است
مقدار جرم احتمال در احتمالات خلفی HMM که است
ناچیز در نظر گرفته شده است. مقدار پیش فرض 1E-7 است. به طور کلی، مقادیر بالاتر خواهد بود
منجر به شتاب بیشتر می شود، اما احتمال از دست دادن بهینه را افزایش می دهد
تراز به دلیل باندهای HMM.

--mxsize
حداکثر اندازه مجاز کل ماتریس DP را روی تنظیم کنید مگابایت به طور پیش فرض این
اندازه 1028 مگابایت این باید برای اکثریت قریب به اتفاق ترازها به اندازه کافی بزرگ باشد،
با این حال اگر آن نیست هماهنگ کردن سعی خواهد کرد به طور مکرر نوارهای HMM را محکم کند
برای محدود کردن تراز با افزایش پارامتر tau و محاسبه مجدد آن استفاده می کند
باندها تا زمانی که اندازه کل ماتریس مورد نیاز به زیر بیفتد مگابایت یا حداکثر
مقدار مجاز tau (به طور پیش فرض 0.05، اما قابل تغییر با -- maxtau) رسیده است. در
هر تکرار سفت شدن باند، تاو در 2.0 ضرب می شود. سفت شدن باند
استراتژی را می توان با خاموش کرد --fixedtau گزینه. اگر حداکثر تاو باشد
رسیده و اندازه ماتریس مورد نیاز هنوز بیشتر است یا اگر باند HMM نیست
استفاده می شود و اندازه ماتریس مورد نیاز بیشتر است سپس هماهنگ کردن خارج خواهد شد
پیش از موعد و گزارش یک پیام خطا مبنی بر اینکه ماتریس از حداکثر خود فراتر رفته است
اندازه مجاز در این مورد، --mxsize می توان از آن برای افزایش محدودیت اندازه یا
حداکثر تاو را می توان با افزایش داد -- maxtau. معمولاً از حد مجاز تجاوز خواهد شد
وقتی که -- بدون نوار گزینه بدون استفاده می شود --کم اهمیت گزینه، اما هنوز هم ممکن است رخ دهد
چه زمانی -- بدون نوار استفاده نمی شود. توجه داشته باشید که اگر هماهنگ کردن در حال اجرا است چندگانه
thread ها در یک ماشین چند هسته ای، سپس هر نخ ممکن است یک ماتریس اختصاص داده شده به بالا داشته باشد
به اندازه Mb در هر زمان معین.

--fixedtau
استراتژی سفت کردن باند HMM را که در توضیح توضیح داده شده است، خاموش کنید
--mxsize گزینه بالا

-- maxtau
حداکثر مقدار مجاز را برای تاو در حین سفت کردن نوار، که در قسمت توضیح داده شده است، تنظیم کنید
توضیح --mxsize بالا، به . به طور پیش فرض این مقدار 0.05 است.

-- بدون نوار
باند HMM را خاموش می کند. تراز برگشتی تضمین شده است که در سطح جهانی باشد
دقیق بهینه (به طور پیش فرض) یا نمره بهینه جهانی (اگر -- cyk
فعال شده است). در --کم اهمیت گزینه در ترکیب با این گزینه توصیه می شود،
زیرا تراز استاندارد بدون باند HMM به حافظه زیادی نیاز دارد (نگاه کنید به
--کم اهمیت ).

--کم اهمیت
از الگوریتم تراز CYK تقسیم و غلبه که در SR Eddy، BMC توضیح داده شده است استفاده کنید.
Bioinformatics 3:18، 2002. The -- بدون نوار گزینه باید در ترکیب با استفاده شود
این گزینه ها همچنین هر زمان که باشد توصیه می شود -- بدون نوار استفاده می شود که --کم اهمیت is
همچنین استفاده می شود زیرا تراز استاندارد CM بدون باند HMM به مقدار زیادی نیاز دارد
حافظه، به ویژه برای RNA های بزرگ. --کم اهمیت اجازه می دهد تا CM تراز در عملی
محدودیت های حافظه، کاهش حافظه مورد نیاز برای تراز LSU rRNA، بزرگترین
RNA های شناخته شده، از 150 گیگابیت تا کمتر از 300 مگابایت. این گزینه فقط در
ترکیب با -- بدون نوار، --notrunc، و -- cyk.

اختیاری OUTPUT فایل ها

--sfile
اطلاعات امتیاز و زمان بندی تراز در هر دنباله را در فایل تخلیه کنید . قالب
این فایل در بالا توضیح داده شده است (داده های مشابه با فرمت جدول است
خروجی stdout زمانی که -o گزینه استفاده می شود).

--tfile
دنباله های جدولی را برای هر دنباله جداگانه در یک فایل تخلیه کنید .
در درجه اول برای اشکال زدایی مفید است.

-- فایل
اطلاعات درج هر دنباله را در فایل تخلیه کنید . فرمت فایل است
با خطوط نظر با پیشوند "#" که در بالای فایل موجود است توضیح داده شده است . La
درج اطلاعات معتبر است حتی زمانی که -- همسان گزینه استفاده می شود.

-- elfile
Dump per-sequence EL State (پایان محلی) اطلاعات را در فایل درج کنید . قالب
فایل با خطوط نظر با پیشوند "#" که در بالای آن قرار دارد، توصیف می‌شود
پرونده . اطلاعات درج EL حتی زمانی معتبر است -- همسان گزینه است
استفاده شده.

OTHER OPTIONS

-- mapali
تراز را از فایل می خواند استفاده شده برای ساخت مدل آن را به صورت تک تراز می کند
اعتراض به CM؛ به عنوان مثال تراز در ثابت برگزار می شود. این به شما اجازه می دهد
توالی ها را با یک مدل تراز کنید هماهنگ کردن و آنها را در چارچوب یک موجود مشاهده کنید
تراز چندگانه قابل اعتماد باید فایل تراز ساخته شده CM باشد
از جانب. برنامه بررسی می کند که جمع چک فایل با فایل مطابقت دارد
برای ساخت CM استفاده می شود. گزینه ای مشابه با این یکی نامیده شد --withali in
نسخه های قبلی هماهنگ کردن

--mapstr
باید در ترکیب با -- mapali . انتشار اطلاعات ساختاری
برای هر گره کاذب موجود در به تراز خروجی یک گزینه مشابه به
این یکی نامیده شد --withstr در نسخه های قبلی هماهنگ کردن

-- اطلاعات
ادعا کنید که ورودی در قالب است . فرمت Babelfish را اجرا نکنید
تشخیص خودکار این امر قابلیت اطمینان برنامه را تا حدودی افزایش می دهد، زیرا
بابل ماهی ممکن است اشتباه کند. به ویژه برای افراد بدون مراقبت توصیه می شود
اجرای عملیات Infernal. فرمت های قابل قبول عبارتند از: FASTA، GENBANK، و DDBJ.
به حروف بزرگ و کوچک حساس است

-- فرمت
فرمت تراز خروجی را به عنوان مشخص کنید . فرمت های قابل قبول عبارتند از: Pfam، AFA،
A2M، Clustal و Phylip. AFA سریع تراز شده است. فقط تراز Pfam و استکهلم
فرمت ها شامل حاشیه نویسی ساختار اجماع و احتمال پسین خواهد بود
حاشیه نویسی باقیمانده های تراز شده

--dnaout
ترازها را به‌جای هم‌ترازی‌های RNA به‌عنوان هم‌ترازی‌های توالی DNA خروجی بگیرید.

-- مشکلی نیست
تراز خروجی را با احتمالات پسین حاشیه نویسی نکنید.

-- همسان
فقط ستون های تطبیق را در تراز خروجی قرار دهید، هیچ درج نشده ای را درج نکنید
نسبت به مدل اجماع این گزینه ممکن است هنگام ایجاد بسیار بزرگ مفید باشد
ترازهایی که به حافظه و فضای دیسک زیادی نیاز دارند که بیشتر آنها ضروری است
فقط برای درج ستون هایی که در بیشتر توالی ها شکاف دارند.

--ترک کردم
خروجی تراز در قالب استکهلم درهم با عرض ثابتی که ممکن است باشد
راحت تر برای معاینه این فرمت تراز خروجی پیش‌فرض بود
نسخه های قبلی هماهنگ کردن توجه داشته باشید که هماهنگ کردن در این حالت به حافظه بیشتری نیاز دارد
گزینه استفاده می شود. به این دلیل، --ترک کردم فقط برای ترازهای تا
100,000 توالی یا در مجموع 100,000,000 نوکلئوتید همسو.

-- پسرفت
یک کپی اضافی از تراز خروجی را بدون اطلاعات نویسنده برای فایل ذخیره کنید
.

-- پرحرف
خروجی اطلاعات اضافی در خروجی امتیازات جدولی (خروجی به stdout if -o
استفاده می شود، یا به if --sfile استفاده می شود). اینها عمدتاً برای آزمایش و
اشکال زدایی.

--cpu
مشخص کنید که از کارگران CPU موازی استفاده شود. اگر به عنوان "0" تنظیم می شود، سپس
برنامه در حالت سریال و بدون استفاده از موضوعات اجرا می شود. شما همچنین می توانید کنترل کنید
این عدد با تنظیم یک متغیر محیطی، INFERNAL_NCPU. این گزینه خواهد بود
فقط در صورتی در دسترس باشد که دستگاهی که Infernal بر روی آن ساخته شده است قادر به استفاده باشد
رشته POSIX (برای اطلاعات بیشتر به بخش نصب راهنمای کاربر مراجعه کنید
اطلاعات)

--mpi به عنوان یک برنامه موازی MPI اجرا شود. این گزینه تنها در صورتی در دسترس خواهد بود که Infernal داشته باشد
با پرچم "--enable-mpi" پیکربندی و ساخته شده است (نصب را ببینید
بخش راهنمای کاربر برای اطلاعات بیشتر).

از cmalign آنلاین با استفاده از خدمات onworks.net استفاده کنید