انگلیسیفرانسویاسپانیایی

Ad


فاویکون OnWorks

prof - آنلاین در ابر

پروف را در ارائه دهنده هاست رایگان OnWorks از طریق Ubuntu Online، Fedora Online، شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MAC OS اجرا کنید.

این دستور prof است که می تواند در ارائه دهنده هاست رایگان OnWorks با استفاده از یکی از چندین ایستگاه کاری آنلاین رایگان ما مانند Ubuntu Online، Fedora Online، شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MAC OS اجرا شود.

برنامه:

نام


prof - ساختار ثانویه و پیش بینی دسترسی به حلال

خلاصه


پروفسور [فایل ورودی+] [گزینه ها]

شرح


ساختار ثانویه توسط یک سیستم رتبه بندی شبکه های عصبی در حد مورد انتظار پیش بینی می شود
دقت متوسط ​​> 72% برای سه حالت مارپیچ، رشته و حلقه (Rost & Sander، PNAS،
1993، 90، 7558-7562; Rost & Sander, JMB, 1993, 232, 584-599; و Rost & Sander،
پروتئین ها، 1994، 19، 55-72; ارزیابی دقت). بر اساس یک مجموعه داده ارزیابی شده است،
PROFsec با دقت سه حالته ده درصد بالاتر از روش های مورد استفاده رتبه بندی می شود
فقط اطلاعات توالی منفرد و در بیش از شش درصد بیشتر از
به عنوان مثال، روشی با استفاده از اطلاعات تراز بر اساس آمار (لوین، پاسکارلا، آرگوس و
گارنیر، پروت. Engng., 6, 849-54, 1993). پیش‌بینی‌های PHDsec سه ویژگی اصلی دارند:

1. بهبود دقت از طریق اطلاعات تکاملی از ترازهای توالی چندگانه
2. بهبود پیش بینی رشته بتا از طریق یک روش تمرین متعادل
3. پیش بینی دقیق تر بخش های ساختار ثانویه با استفاده از یک سیستم چند سطحی

دسترسی به حلال با رتبه بندی روش شبکه عصبی در یک همبستگی پیش بینی می شود
ضریب (همبستگی بین حلال نسبی مشاهده شده تجربی و پیش بینی شده).
دسترسی) 0.54 تأیید متقابل روی مجموعه ای از 238 پروتئین کروی (Rost & Sander،
پروتئین ها، 1994، 20، 216-226; ارزیابی دقت). خروجی شبکه عصبی
کدهایی برای 10 حالت دسترسی نسبی. در واحدهای تفاوت بیان می شود
بین پیش‌بینی با مدل‌سازی همسانی (بهترین روش) و پیش‌بینی تصادفی (بدترین
روش)، PROFacc حدود 26 درصد برتر از یک شبکه عصبی قابل مقایسه است
با استفاده از سه حالت خروجی (دفن شده، متوسط، در معرض) و بدون استفاده از اطلاعات از
ترازهای متعدد

مارپیچ های گذرنده در پروتئین های غشایی انتگرال توسط یک سیستم عصبی پیش بینی می شوند
شبکه های. نقص سیستم شبکه این است که اغلب مارپیچ های بیش از حد طولانی هستند
پیش بینی کرد. اینها توسط یک فیلتر تجربی بریده می شوند. پیش بینی نهایی (روست و همکاران،
علم پروتئین، 1995، 4، 521-533; ارزیابی دقت) به ازای هر باقیمانده مورد انتظار است
دقت حدود 95 درصد. تعداد موارد مثبت کاذب، یعنی مارپیچ های گذرنده
پیش بینی شده در پروتئین های کروی، حدود 2٪ است. پیش بینی شبکه عصبی از
مارپیچ های گذرنده (PHDhtm) توسط یک الگوریتم برنامه نویسی پویا پالایش شده است. این
روش منجر به پیش‌بینی صحیح همه مارپیچ‌های گذرنده برای 89 درصد از 131 شد
پروتئین های مورد استفاده در آزمون اعتبارسنجی متقابل؛ بیش از 98 درصد از مارپیچ های گذرنده بودند
درست پیش بینی کرد خروجی این روش برای پیش بینی توپولوژی استفاده می شود
جهت گیری N-ترم با توجه به غشاء. دقت مورد انتظار از
پیش بینی توپولوژی > 86٪ است. دقت پیش‌بینی برای یوکاریوتی بالاتر از حد متوسط ​​است
پروتئین ها و کمتر از حد متوسط ​​برای پروکاریوت ها. PHDtopology از همه دقیق تر است
روش‌های دیگری که بر روی مجموعه داده‌های یکسان آزمایش شده‌اند.

در صورت عدم وجود گزینه فایل خروجی (مانند --fileRdb or --fileOut) به فرمت RDB داده می شود
خروجی در آن نوشته شده است ./INPUTFILENAME.prof که در آن "prof" جایگزین پسوند the می شود
فایل ورودی. در صورت عدم پسوند، '.prof' به نام فایل ورودی اضافه می شود.

تولید قالب
فرمت RDB خود حاشیه نویسی است، نمونه خروجی ها را ببینید /share/profphd/prof/exa.

مراجع


Rost, B. and Sander, C. (1994a). ترکیب اطلاعات تکاملی و شبکه های عصبی به
پیش بینی ساختار ثانویه پروتئین پروتئین ها، 19(1)، 55-72.
Rost, B. and Sander, C. (1994b). حفاظت و پیش بینی دسترسی به حلال در
خانواده های پروتئینی پروتئین ها، 20(3)، 216-26.
Rost, B., Casadio, R., Fariselli, P., and Sander, C. (1995). مارپیچ های گذرنده
با دقت 95 درصد پیش بینی شده است. علوم پروتئین، 4(3)، 521-33.

OPTIONS


برای راهنمایی بیشتر به هر کلمه کلیدی مراجعه کنید. بیشتر اینها احتمالاً شکسته می شوند.

الگوهای اتصال جایگزین (پیش فرض = 3)

3 پیش بینی sec + acc + htm

acc فقط دسترسی به حلال را پیش بینی می کند

ali اضافه کردن تراز به فایل(های) خروجی PROF «قابل خواندن توسط انسان»

قوس
معماری سیستم (به عنوان مثال: SGI64|SGI5|SGI32|SUNMP|ALPHA)

ASCII
فایل(های) خروجی PROF «قابل خواندن توسط انسان» را بنویسید

بهترین
PROF با بهترین دقت و طولانی ترین زمان اجرا

هر دو
پیش بینی ساختار ثانویه و دسترسی به حلال

داده ها
داده= برای HTML خارج: فقط آن بخش از پیش بینی نوشته شده است

اشکال زدایی کردن
بیشتر فایل های میانی را نگه دارید، پیام های اشکال زدایی را چاپ کنید

dirWork
فهرست کار، پیش‌فرض: یک فهرست موقت از File::Temp::tempdir. باید به طور کامل باشد
مسیر واجد شرایط

شناخته شده به کار.

doEval
ارزیابی DO برای لیست (فقط برای ساختارها و لیست های شناخته شده)

doFilterHssp
فایل HSSP ورودی را فیلتر کنید (به استثنای برخی از جفت ها)

doHtmfil
DO پیش‌بینی غشاء را فیلتر کنید (پیش‌فرض)

doHtmisit
قدرت مارپیچ غشایی پیش‌بینی‌شده را بررسی کنید (پیش‌فرض)

doHtmref
پیش‌بینی غشاء را اصلاح کنید (پیش‌فرض)

doHtmtop
توپولوژی مارپیچ غشایی DO (پیش‌فرض)

dssp
تبدیل PROF به فرمت DSSP

گسترش
هنگام تبدیل خروجی به فرمت MSF، درج ها را گسترش دهید

سریع
PROF با کمترین دقت و بالاترین سرعت

fileCasp
نام خروجی PROF با فرمت CASP (file.caspProf)

fileDssp
نام خروجی PROF با فرمت DSSP (file.dsspProf)

fileHtml
نام خروجی PROF در قالب HTML (file.htmlProf)

fileMsf
نام خروجی PROF با فرمت MSF (file.msfProf)

fileNotHtm
نام فایلی که هیچ مارپیچ غشایی پیدا نشد

fileOut
نام خروجی PROF با فرمت RDB (file.rdbProf)

شناخته شده به کار.

پروفسور فایل
نام خروجی PROF در قالب قابل خواندن توسط انسان (file.prof)

شکسته شده.

fileRdb
نام خروجی PROF با فرمت RDB (file.rdbProf)

شناخته شده به کار.

fileSaf
نام خروجی PROF با فرمت SAF (file.safProf)

فیلتر
فایل HSSP ورودی را فیلتر کنید (به استثنای برخی از جفت ها)

خوب
PROF با دقت خوب و سرعت متوسط

گراف
اضافه کردن نمودار ASCII به فایل(های) خروجی PROF «قابل خواندن توسط انسان»

استفاده از htm: 'htm= ' حداقل مارپیچ گذر غشایی را می دهد که پیش فرض تشخیص داده شده 'htm=0' است
(به عبارت htm=0.8) اعداد کوچکتر مثبت کاذب بیشتر و منفی کاذب کمتر!

آرگومان html
'hmtl' یا 'html= نوشتن فرمت HTML پیش بینی 'html' منجر به
اینکه خروجی PROF به HTML تبدیل می شود، 'html=body' فایل HTML را محدود می کند
قسمت تگ HTML_BODY 'html=head' فایل HTML را به قسمت تگ HTML_HEADER محدود می کند
'html=all' هم HEADER و هم BODY را نشان می دهد

keepConv
تبدیل فایل ورودی به فرمت HSSP را حفظ کنید

آرگومان keepFilter
<*|doKeepFilter=1> فایل HSSP فیلتر شده را نگه دارید

آرگومان keepHssp
<*|doKeepHssp=1> فایل HSSP میانی را نگه دارید

آرگومان keepNetDb
<*|doKeepNetDb=1> فایل(های) DbNet میانی را نگه دارید

آرگومان لیست
<*|isList=1> فایل ورودی فهرستی از فایل ها است

msf تبدیل PROF به فرمت MSF

خوب
برای تنظیم ارزش (اولویت) خوب کار، 'nice-D' را بدهید

noProfHead
فایل با جداول را در فهرست محلی کپی نکنید

بدون جستجو
کوتاه شده برای doSearchFile=0، یعنی عدم جستجوی فایل های DB

نواسکی
غافلگیر کردن نوشتن فایل های نتیجه ASCII (یعنی قابل خواندن توسط انسان).

nohtml
غافلگیر کردن نوشتن فایل های نتیجه HTML

خوب نیست
کار زیبا نمی شود، یعنی با اولویت کمتر اجرا نمی شود

notEval
دقت را حتی زمانی که ساختارهای شناخته شده وجود دارد بررسی نکنید

notHtmfil
پیش بینی غشاء را فیلتر نکنید

notHtmisit
بررسی نکنید که آیا مارپیچ غشا به اندازه کافی قوی است یا خیر

notHtmref
پیش بینی غشاء را اصلاح نکنید

notHtmtop
توپولوژی مارپیچ غشایی را انجام ندهید

nresPerLineAli
تعداد کاراکترهای استفاده شده برای فایل MSF. پیش فرض: 50.

numresMin
حداقل تعداد باقیمانده برای اجرای شبکه، در غیر این صورت prd=symbolPrdShort. پیش فرض: 9.

optJury
PHD را به هیئت منصفه اضافه می کند. پیش‌فرض: «عادی، استفاده ازPHD».

بسیاری از پارامترهای دیگر پیش فرض را برای این یکی به عنوان یک اثر جانبی تغییر می دهند
جامع نیست:

phd، nophd، /^para(3|هردو|ثانیه|Acc|Htm|CapH|CapE|CapHE)/، /^para?/، jct

para3
فایل پارامتر برای sec+acc+htm. پیش فرض: ` /net/PROFboth_best.par'.

paraAcc
فایل پارامتر برای acc. پیش فرض: ` /net/PROFacc_best.par'.

برای هر دو
فایل پارامتر برای sec+acc. پیش فرض: ` /net/PROFboth_best.par'.

paraSec
فایل پارامتر برای ثانیه پیش فرض: ` /net/PROFsec_best.par'.

riSubAcc
حداقل شاخص قابلیت اطمینان (RI) برای زیر مجموعه PROFacc. پیش فرض: 4.

riSubSec
حداقل شاخص قابلیت اطمینان (RI) برای زیر مجموعه PROFsec. پیش فرض: 5.

riSubSym
نماد باقی مانده های پیش بینی شده با RI < riSubSec/Acc. پیش فرض: ".".

s_k_i_p
مشکلات، راهنما، نکات، نشانه گذاری، txt، شناخته شده، انجام شد، تاریخ، تاریخ، aa، Lhssp، numaa،
رمز

saf تبدیل PROF به فرمت SAF

scrAddHelp
scrGoal
سوئیچینگ شبکه عصبی

scrHelpTxt
فرمت های فایل ورودی پذیرفته شده است:
hssp,dssp,msf,saf,fastamul,pirmul,fasta,pir,gcg,swiss

scrIn
list_of_files (یا تک فایل) parameter_file

scrName
معلم

scrNarg
2

sec پیش بینی ساختار ثانویه، فقط

خاموش
هیچ اطلاعاتی روی صفحه نوشته نشده است - این پیش فرض است

از دست رفتن
اگر فایل ورودی از دست رفت، سقط نکنید!

منبع فایل
معلم

آزمون
فقط یک تست است (سریعتر)

ترجمه-jobid-in-param-values
رشته 'jobid' با $par{jobid} جایگزین می شود

اجرای سریع برنامه tst، دقت پایین

کاربر
نام کاربری

- نسخه
نسخه چاپی

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


سرورها و ایستگاه های کاری رایگان

دانلود برنامه های ویندوز و لینوکس

دستورات لینوکس

Ad