hhsearch - آنلاین در ابر

برنامه:

نام

hhsearch - پایگاه داده ای از HMM ها را با همترازی پرس و جو یا جستجوی HMM جستجو کنید

خلاصه

hhsearch -i پرس و جو -d پایگاه داده [گزینه های]

شرح

HHsearch نسخه 2.0.16 (ژانویه 2013) پایگاه داده HMM ها را با همترازی پرس و جو یا
پرس و جو HMM (C) یوهانس سودینگ، مایکل رمرت، آندریاس بیگرت، آندریاس هاوزر سودینگ،
J. تشخیص همولوژی پروتئین با مقایسه HMM-HMM. بیوانفورماتیک 21:951-960 (2005).

-i
ورودی/پرس و جو تراز چند توالی (a2m، a3m، FASTA) یا HMM

-d
پایگاه داده HMM از HMM های پیوسته در قالب hhm، HMMER، یا a3m، OR، اگر فایل دارای
پسوند pal، لیست نام فایل های HMM، یکی در هر خط. چند dbs، HMM یا pal
فایل ها با -d ' ...

ممکن است در سراسر "stdin" یا "stdout" باشد.

تولید گزینه ها:
-o
نتایج را در قالب استاندارد در فایل بنویسید (پیش فرض = )

-اوفاس
ترازهای جفتی منطبقات مهم را در قالب FASTA بنویسید مشابه برای
خروجی در فرمت های a3m، a2m و psi (مثلا -Oa3m)

-oa3m
نوشتن MSA منطبقات قابل توجه در قالب a3m مشابه برای خروجی در a2m، psi،
و فرمت hhm (مثلا -اهم)

-e [0,1]
برش ارزش الکترونیکی برای گنجاندن در تراز چندگانه (def=0.001)

دنباله
حداکثر تعداد دنباله های پرس و جو/الگوی نمایش داده شده (def=1) مراقب سرریزها باشید! همه
این توالی ها در حافظه ذخیره می شوند.

منفی دنباله اجماع را به عنوان دنباله اصلی پرس و جو MSA نشان می دهد

-نوکان ها
توالی اجماع در ترازها نشان داده نشود (پیش‌فرض=نمایش)

-نپرد
ساختار 2ndary پیش بینی شده در ترازها نشان داده نشود (پیش فرض = نمایش)

-nodssp
ساختار دوم DSSP در ترازها نشان داده نشود (پیش فرض = نمایش)

-ssconf
اطمینان را برای ساختار 2ndary پیش بینی شده در ترازها نشان می دهد

-p
حداقل احتمال در فهرست خلاصه و تراز (def=20)

-E
حداکثر E-value در فهرست خلاصه و تراز (def=1E+06)

-Z
حداکثر تعداد خطوط در فهرست ضربه خلاصه (def=500)

-z
حداقل تعداد خطوط در فهرست ضربه خلاصه (def=10)

-B
حداکثر تعداد ترازها در لیست تراز (def=500)

-b
حداقل تعداد ترازها در لیست تراز (def=10)

-الیو [40،..[
تعداد ستون در هر خط در لیست تراز (def=80)

-dbstrlen
حداکثر طول رشته پایگاه داده در فایل hhr چاپ می شود

تراز چند توالی پرس و جو را فیلتر کنید

-شناسه [0,100] حداکثر هویت توالی زوجی (%) (def=90)

-تفاوت [0، اطلاعات[
MSA را با انتخاب متنوع‌ترین مجموعه‌ای از توالی‌ها، با حفظ حداقل این تعداد، فیلتر کنید
seqs در هر بلوک MSA به طول 50 (def=100)

-cov [0,100] حداقل پوشش با پرس و جو (%) (def=0)

-قید [0,100] حداقل هویت دنباله با پرس و جو (%) (def=0)

-qsc [0,100] حداقل امتیاز در هر ستون با پرس و جو (def=-20.0)

-نف [1، اطلاعات]
تنوع هدف از هم ترازی (پیش فرض = خاموش)

ورودی هم ترازی قالب:
-M a2m استفاده از A2M/A3M (پیش‌فرض): حروف بزرگ = مطابقت؛ حروف کوچک = درج; '-' = حذف; '.' =
شکاف های تراز شده با درج ها (ممکن است حذف شوند)

-M اول
از FASTA استفاده کنید: ستون هایی با باقیمانده در دنباله 1 حالت تطبیق دارند

-M [0,100]
از FASTA استفاده کنید: ستون هایی با فاصله کمتر از X٪ حالت های تطبیق دارند

تگ ها تگ های His-، C-myc، FLAG، و توالی تشخیص تریپسین را خنثی نکنید
توزیع پس زمینه

HMM-HMM هم ترازی گزینه ها:
-نورآلاین
بازدیدهای نمایش داده شده را با الگوریتم MAC تنظیم مجدد نکنید (def=realign)

-مکت [0,1[
آستانه احتمال خلفی برای تراز مجدد MAC (def=0.350) کنترل های پارامتر
حریص همسویی: 0:جهانی >0.1:محلی

-گلوب/-loc
استفاده از حالت هم ترازی جهانی/محلی برای جستجو/رتبه بندی (def=local)

- alt
به این تعداد ترازهای جایگزین قابل توجه نشان داده شود (def=2)

-vit استفاده از الگوریتم Viterbi برای جستجو/رتبه‌بندی (پیش‌فرض)

-مک از الگوریتم حداکثر دقت (MAC) برای جستجو/رتبه‌بندی استفاده کنید

-رو به جلو
از Forward probability برای جستجو استفاده کنید

-بجز
مستثنی کردن موقعیت‌های پرس و جو از تراز، به عنوان مثال '1-33,97-168'

-تغییر مکان [-1,1،XNUMX،XNUMX،XNUMX،XNUMX]
افست امتیاز (def=-0.03)

-کور [0,1]
وزن ترم برای همبستگی های جفت (def=0.10)

-sc امتیاز اسید آمینه (tja: الگوی HMM در ستون j) (def=1)

0 = log2 Sum(tja*qia/pa) (pa: فرکانس‌های پس‌زمینه aa)

1 = log2 Sum(tja*qia/pqa) (pqa = 1/2*(pa+ta))

2 = log2 Sum(tja*qia/ta) (ta: av. aa Freqs in template)

3 = log2 Sum(tja*qia/qa) (qa: av. aa freqs in query)

5 اصلاح ترکیب اسید آمینه موضعی

-ssm {0,...,4}
0: بدون امتیاز ss 1,2: امتیاز ss بعد یا در حین تراز کردن [default=2] 3,4: ss
امتیاز دهی بعد یا در حین هم ترازی، پیش بینی شده در مقابل پیش بینی شده

-ssw [0,1] وزن نمره ss در مقایسه با نمره ستون (def=0.11)

-سسا [0,1] ماتریس جایگزینی SS = (1-ssa)*I + ssa* full-SS-substition-matrix
[def=1.00)

شکاف هزینه گزینه ها:
-gapb [0، اطلاعات[
افزودنی شبه شمار انتقالی (def=1.00)

-gapd [0، اطلاعات[
افزودنی شبه شمار انتقالی برای شکاف باز (پیش‌فرض = 0.15)

-گپ [0,1.5]
افزودنی شبه شمار انتقالی برای افزایش شکاف (def=1.00)

-gapf ]0، اطلاعات]
عامل افزایش/کاهش جریمه باز شدن شکاف برای حذف ها (def=0.60)

-gapg ]0، اطلاعات]
عامل افزایش/کاهش جریمه باز شدن شکاف برای درج ها (def=0.60)

-گاف ]0، اطلاعات]
عامل افزایش/کاهش جریمه تمدید شکاف برای حذف ها (def=0.60)

-گاپی ]0، اطلاعات]
عامل افزایش/کاهش جریمه گسترش شکاف برای درج ها (def=0.60)

-egq [0,inf[ جریمه (بیت ها) برای شکاف های انتهایی تراز شده با باقیمانده های پرس و جو (def=0.00)

-به عنوان مثال [0,inf[ جریمه (بیت) برای شکاف‌های انتهایی تراز شده با باقیمانده‌های الگو (def=0.00)

شبه شمار (کامپیوتر) گزینه ها:
-pcm {0,...,3}
وابستگی موقعیت افزودنی کامپیوتر 'tau' (حالت کامپیوتر، پیش فرض = 2) 0: هیچ شبه شماری وجود ندارد:
تاو = 0 1: تاو ثابت = a 2: وابسته به تنوع: تاو = a/(1 +
((Neff[i]-1)/b)^c) (Neff[i]: تعداد دنباله‌های مؤثر در MSA محلی اطراف ستون i)
3: شبه شمارش تنوع ثابت

-pca [0,1،1.0] ترکیب کل شبه شمارش (def=XNUMX)

-pcb [1,inf[ مقدار آستانه Neff برای -pcm 2 (def=1.5)

-Pcc [0,3] توان خاموشی c برای -pcm 2 (def=1.0)

زمینه خاص شبه شمارش:
-nocontxt
از ماتریس جایگزینی به جای شبه شمارهای خاص زمینه استفاده کنید

-contxt فایل زمینه برای محاسبه شبه شمارهای خاص زمینه
(default=./data/context_data.lib)

-cslib
فایل وضعیت ستون برای پیش فیلتر کردن سریع پایگاه داده (default=./data/cs219.lib)

-csw [0,inf] وزن موقعیت مرکزی در حالت شبه شمارش cs (def=1.6)

-csb [0,1] پارامتر کاهش وزن برای موقعیت ها در حالت cs pc (def=0.9)

دیگر گزینه ها:
-Cpu
تعداد پردازنده های مورد استفاده (برای SMP های حافظه مشترک) (پیش فرض = 1)

-v
حالت پرحرف: 0: خروجی صفحه نمایش وجود ندارد 1: فقط هشدارها 2: پرحرف

حداکثر
حداکثر تعداد ستون‌های HMM (def=15002)

حداکثر [1,inf[ حداکثر حافظه موجود در گیگابایت (def=3.0)

-نمرات نمرات را برای همه مقایسه های زوجی در پرونده بنویسید

-آرام {0,..,3} کالیبراسیون امتیاز تجربی 0: query 1: template 2: both

پیش‌فرض 3: برآورد پارامترهای EVD مبتنی بر شبکه عصبی

مثال: hhsearch -i a.1.1.1.a3m -d scop70_1.71.hhm

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