cmalign - מקוון בענן

תָכְנִית:

שֵׁם

cmalign - יישור רצפים למודל שיתופיות

תַקצִיר

cmalign
[אפשרויות]

תיאור

cmalign מיישר את רצפי ה-RNA פנימה למודל שיתופיות (CM) ב .
היישור החדש יוצא אל stdout בפורמט שטוקהולם, אך ניתן להפנות אותו לקובץ
עם -o אוֹפְּצִיָה.

או or (אבל לא שניהם) עשויים להיות '-' (מקף), כלומר לקרוא את זה
קלט מ סטדין במקום קובץ.

קובץ הרצף חייב להיות בפורמט FASTA או Genbank.

cmalign משתמש בטכניקת פסים של HMM כדי להאיץ את היישור כברירת מחדל כמתואר
למטה עבור --hbanded אוֹפְּצִיָה. ניתן לכבות את פס HMM עם --לא רצועות אוֹפְּצִיָה.

כברירת מחדל, cmalign מחשב את היישור בדיוק המקסימלי הצפוי כלומר
בקנה אחד עם אילוצים (להקות) שנגזרו מ-HMM, תוך שימוש בגרסה פסית של ה-
אלגוריתם דיוק אופטימלי של דורבין/הולמס. התנהגות זו ניתנת לשינוי עם --cyk or
--לִטעוֹם אפשרויות.

cmalign מקפיד במיוחד ליישר נכון רצפים קטומים, שבהם כמה נוקלאוטידים
מההתחלה (5') ו/או הסוף (3') של הרצף הביולוגי בפועל באורך מלא
אינו קיים ברצף הקלט (ראה DL Kolbe ו-SR Eddy, Bioinformatics, 25:1236-1243,
2009). התנהגות זו מופעלת כברירת מחדל, אך ניתן לבטל אותה באמצעות --notrunc. בקודם
גירסאות של cmalign מה היא --תַת נדרשה אפשרות לטפל כראוי בקצוץ
רצפים. ה --תַת האפשרות עדיין זמינה בגרסה זו, אך שיטת ברירת המחדל החדשה
לטיפול ברצפים קטועים צריך להיות טוב או עדיף על שיטת המשנה כמעט
כל המקרים.

אל האני --mapali האפשרות מאפשרת הכללה של יישור האימון הקבוע המשמש לבניית
CM מהקובץ בתוך יישור הפלט של cmalign.

אפשר למזג שני יישורים או יותר שנוצרו על ידי אותו CM באמצעות ה-Easel
מיני-אפליקציה esl-alimerge (כלול בספריית כן/מיני-אפליקציות/ משנה של Infernal). קודם
גירסאות של cmalign כללו אפשרויות למיזוג יישורים אך הם הוצאו משימוש
פיתוח של esl-alimerge, שהוא יעיל יותר בזיכרון באופן משמעותי.

כברירת מחדל, cmalign יוציא את היישור ל-stdout. ניתן לנתב את היישור מחדש
לקובץ פלט עם -o אוֹפְּצִיָה. עם -או, מידע על כל מיושר
רצף, כולל ניקוד וגבולות יישור מודל, יודפס ל-stdout (עוד
על זה למטה).

יישור הפלט יהיה בפורמט שטוקהולם כברירת מחדל. ניתן לשנות זאת ל-Pfam,
פורמט FASTA (AFA), A2M, Clustal או Phylip מיושר באמצעות ה -- פורמט אוֹפְּצִיָה,
איפה הוא השם של הפורמט הרצוי. כמקרה מיוחד, אם יישור הפלט
הוא גדול (יותר מ-10,000 רצפים או יותר מ-10,000,000 נוקלאוטידים בסך הכל) מאשר
פורמט הפלט יהיה בפורמט Pfam, כאשר כל רצף יופיע בשורה אחת, עבור
סיבות של יעילות זיכרון. עבור יישורים גדולים מזה, באמצעות --אני עזבתי יכריח
פורמט שטוקהולם משולב, אך המשתמש צריך להיות מודע לכך שזה עשוי לדרוש הרבה
זיכרון. --אני עזבתי יעבוד רק עבור יישורים של עד 100,000 רצפים או 100,000,000
סך הנוקלאוטידים.

אם פורמט יישור הפלט הוא שטוקהולם או Pfam, יישור הפלט יהיה
מבואר עם הסתברויות אחוריות אשר מעריכות את רמת הביטחון של כל מיושר
נוקלאוטיד. הערה זו מופיעה כשורות המתחילות ב-"#=GR PP", אחד לכל
רצף, כל אחד מיד מתחת לרצף המיושר המתאים " ".
לתווים בקווי PP יש 12 ערכים אפשריים: "0-9", "*", או ".". אם ".", המיקום
מתאים לפער ברצף. ערך של "0" מציין הסתברות אחורית של
בין 0.0 ל-0.05, "1" מציין בין 0.05 ל-0.15, "2" מציין בין 0.15 ל-
0.25 וכן הלאה עד "9" המציין בין 0.85 ל-0.95. ערך של "*" מציין א
הסתברות אחורית של בין 0.95 ל-1.0. הסתברויות אחוריות גבוהות יותר מתאימות
לביטחון רב יותר שהנוקלאוטיד המיושר שייך למקום בו הוא מופיע ב
יישור. עם --לא רצועות, החישוב של ההסתברויות האחוריות לוקח בחשבון הכל
יישור אפשרי של רצף המטרה ל-CM. לְלֹא --לא רצועות (כלומר כברירת מחדל
במצב), החישוב מתייחס רק ליישורים אפשריים בתוך פסי HMM. נוסף,
ההסתברויות האחוריות מותנות במצב הקטיעה של היישור. ל
לדוגמה, אם יישור הרצף קטוע 5', ערך PP של "9" מציין בין
0.85 ו-0.95 מכל יישורי 5' הקטועים כוללים את הנוקלאוטיד הנתון בנתון
עמדה. ניתן לכבות את ההערה האחורית באמצעות ה- --אין בעיה אוֹפְּצִיָה. אם --קָטָן
מופעל, יש לכבות גם את ההערה האחורית באמצעות --אין בעיה.

הפלט הטבלאי שמודפס ל-stdout אם -o האפשרות משמשת כולל שורה אחת
לכל רצף ושנים עשר שדות בשורה: "idx": אינדקס הרצף בקלט
file, "seq name": שם הרצף; "אורך": אורך הרצף; "ס"מ מ" ו
"cm to": עמדות ההתחלה והסיום של הדגם של היישור; "trunc": "לא" אם הרצף
אינו קטוע, "5'" אם תחילת הרצף קטועה 5', "3'" אם סוף
הרצף קטוע, ו-"5'&3'" אם הן ההתחלה והן הסוף קטועים;
"bit sc": ציון הסיביות של היישור, "ממוצע pp" ההסתברות האחורית הממוצעת של
כל הנוקלאוטידים המיושרים ביישור; "חשבון הלהקה", "יישור" ו"סך הכל": הזמן
בשניות הנדרשות לחישוב פסי HMM, מחשוב היישור והשלמה
עיבוד הרצף, בהתאמה; "mem (Mb)": הגודל ב-Mb של כל דינמי
מטריצות תכנות הנדרשות ליישור הרצף. ניתן לשמור את הנתונים הטבלאיים הללו
לתייק עם --sfile אוֹפְּצִיָה.

אפשרויות

-h עֶזרָה; הדפס תזכורת קצרה לגבי השימוש בשורת הפקודה והאפשרויות הזמינות.

-o שמור את היישור בפורמט שטוקהולם לקובץ . ברירת המחדל היא לכתוב את זה
לתפוקה רגילה.

-g הגדר את המודל ליישור גלובלי של מודל השאילתה ליעד
רצפים. כברירת מחדל, המודל מוגדר ליישור מקומי. מְקוֹמִי
יישורים יכולים להכיל הוספות ומחיקות גדולות הנקראות "קצוות מקומיים" ב-
מבנה שיש להעניש אחרת מאשר אינדלס רגיל. אלה מסומנים כ
עמודות "~" בקו ה-RF של יישור הפלט. ה -g ניתן להשתמש באפשרות
לא לאפשר את המטרות המקומיות הללו. ה -g נדרשת אפשרות אם ה --תַת אפשרות היא גם
מְשׁוּמָשׁ.

אפשרויות עבור שליטה LA יישור אַלגוֹרִיתְם

--optacc
יישר רצפים באמצעות אלגוריתם הדיוק האופטימלי של דורבין/הולמס. זה
בְּרִירַת מֶחדָל. יישור הדיוק האופטימלי יוגבל על ידי להקות HMM עבור
האצה אלא אם כן --לא רצועות האפשרות מופעלת. הדיוק האופטימלי
האלגוריתם קובע את היישור שממקסם את ההסתברויות האחוריות של
הנוקלאוטידים המיושרים בתוכו. ההסתברויות האחוריות נקבעות באמצעות
גרסאות (אולי HMM banded) של האלגוריתמים Inside ו-Outside.

--cyk אין להשתמש ביישור הדיוק האופטימלי של דורבין/הולמס כדי ליישר את הרצפים,
במקום זאת השתמש באלגוריתם CYK שקובע את הניקוד האופטימלי (מקסימום
סבירות) יישור הרצף למודל, בהינתן להקות HMM (אלא אם כן
--לא רצועות מופעל גם).

--לִטעוֹם
דגום יישור מההפצה האחורית של היישורים. האחורי
ההפצה נקבעת באמצעות פס HMM (אלא אם כן --ללא פסים) גרסה של
אלגוריתם פנימי.

--זֶרַע
זרעי את מחולל המספרים האקראיים עם , מספר שלם >= 0. אפשרות זו יכולה רק
לשמש בשילוב עם --לִטעוֹם. If אינו אפס, דגימה סטוכסטית של
יישורים יהיו ניתנים לשחזור; אותה פקודה תיתן את אותן תוצאות. אם
הוא 0, מחולל המספרים האקראיים מוזרע באופן שרירותי וסטוכסטי
הדגימות עשויות להשתנות מהפעלה להרצה של אותה פקודה. ברירת המחדל היא 181.

--notrunc
כבה אלגוריתמי יישור קטועים. כל הרצפים בקובץ הקלט יהיו
ההנחה היא באורך מלא, אלא אם כן --תַת משמש גם, ובמקרה זה התוכנית יכולה
עדיין מטפל ברצפים קטועים אך ישתמש באסטרטגיה חלופית עבורם
יישור.

--תַת הפעל את הליך הבנייה והיישור של תת הדגם. עבור כל רצף, an
HMM משמש לראשונה כדי לחזות את עמודות ההתחלה והסיום של המודל, ועמודה חדשה
תת CM נבנה שרק מדגמן עמודות קונצנזוס מההתחלה ועד הסוף. ה
הרצף מיושר לאחר מכן ל-CM המשנה הזה. יישור משנה היא שיטה ישנה יותר מה-
ברירת מחדל ליישור רצפים שאולי קטועים. כברירת מחדל, cmalign
משתמש באלגוריתמי DP מיוחדים כדי לטפל ברצפים קטועים שאמורים להיות יותר
מדויק יותר משיטת המשנה ברוב המקרים. --תַת עדיין נכלל כאופציה
בעיקר לבדיקה מול טיפול ברצף קצוץ ברירת המחדל הזה. "תת CM" זה
ההליך אינו זהה ל"משנה CMs" שתוארו על ידי ויינברג ו-Ruzo.

אפשרויות עבור שליטה ספיד ו זיכרון דרישות

--hbanded
אפשרות זו מופעלת כברירת מחדל. האץ את היישור על ידי חיתוך אזורים
של מטריצת CM DP שנחשבים זניחים על ידי HMM. ראשית, כל רצף הוא
ניקוד עם תוכנית CM 9 HMM הנגזרת מה-CM באמצעות HMM קדימה ואחורה
אלגוריתמים לחישוב הסתברויות אחוריות שכל נוקלאוטיד מתיישר לכל אחת מהן
מצב ה-HMM. ההסתברויות האחוריות הללו משמשות לגזירת אילוצים
(להקות) על מטריצת CM DP. לבסוף, רצף היעד מיושר ל-CM
באמצעות מטריצת ה-DP banded, שבמהלכה מתעלמים מתאים מחוץ לרצועות.
בדרך כלל רוב מטריצת ה-DP המלאה נמצאת מחוץ לרצועות (לעתים קרובות יותר מ-95%),
מה שהופך את הטכניקה הזו למהירה יותר מכיוון שנדרשים פחות חישובי DP, ויותר
יעיל בזיכרון מכיוון שצריך להקצות רק תאים בתוך הרצועות.

חשוב לציין, פסי HMM מקריב את הערבות לקביעת האופטימלית
יישור מדויק או אופטימלי, אשר יחסר אם הוא נמצא מחוץ לרצועות.
ה-tau paramater הוא כמות מסת ההסתברות הנחשבת זניחה במהלך
חישוב רצועת HMM; ערכים נמוכים יותר של טאו מניבים מהירות גבוהה יותר אך גם גדולה יותר
סיכוי להחמיץ את היישור האופטימלי. ברירת המחדל הטאו היא 1E-7, נקבע
מבחינה אמפירית בתור פשרה טובה בין רגישות למהירות, אם כי ערך זה יכול
להשתנות עם --טאו אוֹפְּצִיָה. רמת התאוצה עולה עם
גם אורך וגם רמת שימור הרצף הראשונית של המשפחה. לדוגמה,
עם ברירת המחדל tau של 1E-7, מודלים tRNA (שימור רצף ראשוני נמוך עם
אורך של כ-75 נוקלאוטידים) מראים תאוצה של פי 10 בערך, ו-rRNA חיידקי SSU
מודלים (שימור רצף ראשוני גבוה באורך של כ-1500 נוקלאוטידים)
הצג בערך 700X. ניתן לכבות פסים של HMM עם --לא רצועות אוֹפְּצִיָה.

--טאו
הגדר את ההסתברות לאובדן זנב המשמש במהלך חישוב רצועת HMM ל . זה
כמות מסת ההסתברות בתוך ההסתברויות האחוריות של HMM כלומר
נחשב זניח. ערך ברירת המחדל הוא 1E-7. באופן כללי, ערכים גבוהים יותר יהיו
לגרום לתאוצה גדולה יותר, אך להגדיל את הסיכוי להחמיץ את האופטימלי
יישור עקב פסי HMM.

--mxsize
הגדר את גודל מטריצת DP הכולל המקסימלי ל מגה בייט. כברירת מחדל זה
הגודל הוא 1028 מגה-ביט. זה צריך להיות מספיק גדול עבור הרוב המכריע של היישורים,
אולם אם לא cmalign ינסה להדק באופן איטרטיבי את פסי HMM
משתמש כדי להגביל את היישור על ידי העלאת הפרמטר tau וחישוב מחדש של
להקות עד שגודל המטריצה ​​הכולל הדרוש יורד מתחת מגה בייט או מקסימום
ערך טאו מותר (0.05 כברירת מחדל, אך ניתן לשינוי עם --מקסטאו) מגיע. בְּ
כל איטרציה של הידוק הרצועה, טאו מוכפל ב-2.0. הלהקה מתהדקת
ניתן לכבות את האסטרטגיה עם ה --fixedtau אוֹפְּצִיָה. אם הטאו המקסימלי הוא
הגיע וגודל המטריצה ​​הנדרש עדיין חורג או אם פס HMM אינו
בשימוש וגודל המטריצה ​​הנדרש חורג אז cmalign ייצא
בטרם עת ולדווח על הודעת שגיאה שהמטריקס חרג מהמקסימום שלה
גודל מותר. במקרה זה, ה --mxsize ניתן להשתמש כדי להעלות את מגבלת הגודל או
ניתן להעלות את הטאו המקסימלי עם --מקסטאו. בדרך כלל תחרוג מהמגבלה
כאשר --לא רצועות האפשרות משמשת ללא --קָטָן אפשרות, אך עדיין יכולה להתרחש
מתי --לא רצועות אינו בשימוש. שימו לב שאם cmalign מורץ פנימה מספר
חוטים במכונה מרובת ליבות אז לכל חוט עשויה להיות מטריצה ​​מוקצית של למעלה
למדוד Mb בכל זמן נתון.

--fixedtau
כבה את אסטרטגיית הידוק רצועת HMM המתוארת בהסבר של
--mxsize אפשרות לעיל.

--מקסטאו
הגדר את הערך המרבי המותר עבור tau במהלך הידוק הרצועה, המתואר ב-
הסבר של --mxsize למעלה, ל . כברירת מחדל, ערך זה הוא 0.05.

--לא רצועות
מכבה את פסי HMM. ההתאמה המוחזרת מובטחת תהיה הגלובלית
המדויק בצורה אופטימלית (כברירת מחדל) או הציון האופטימלי בעולם (אם --cyk
מופעל). ה --קָטָן אפשרות מומלצת בשילוב עם אפשרות זו,
כי יישור סטנדרטי ללא פסי HMM דורש הרבה זיכרון (ראה
--קָטָן ).

--קָטָן
השתמש באלגוריתם יישור החלוקה והכבוש CYK המתואר ב-SR Eddy, BMC
ביואינפורמטיקה 3:18, 2002. ה --לא רצועות יש להשתמש באפשרות בשילוב עם
אפשרויות זו. כמו כן, מומלץ בכל פעם --לא רצועות משמש בזה --קָטָן is
משמש גם כי יישור CM סטנדרטי ללא פסי HMM דורש הרבה
זיכרון, במיוחד עבור RNAs גדולים. --קָטָן מאפשר יישור CM בתוך מעשי
מגבלות זיכרון, צמצום הזיכרון הנדרש ליישור LSU rRNA, הגדול ביותר
RNAs ידועים, מ-150 Gb עד פחות מ-300 Mb. ניתן להשתמש באפשרות זו רק ב
שילוב עם --לא רצועות, --notrunc, ו --cyk.

אופציונאלי תפוקה קבצים

--sfile
זרוק ציון יישור לפי רצף ומידע תימנית לקובץ . הפורמט של
קובץ זה מתואר לעיל (זה אותם נתונים באותו פורמט כמו הטבלה
פלט stdout כאשר -o נעשה שימוש באופציה).

--tfile
זרוק עקבות רצף טבלאי עבור כל רצף בודד לקובץ .
שימושי בעיקר לניפוי באגים.

--file
הוסף מידע לפי רצף לקובץ . הפורמט של הקובץ הוא
מתואר על ידי שורות הערה עם קידומת "#" הכלולות בראש הקובץ . אל האני
הכנס מידע תקף גם כאשר --התאמה בלבד נעשה שימוש באופציה.

--elfile
dump לפי רצף מצב EL (קצה מקומי) הוסף מידע לקובץ . הפורמט
של הקובץ מתואר על ידי שורות הערה עם קידומת "#" הכלולות בחלק העליון של הקובץ
פילה . מידע הוספה של EL תקף גם כאשר --התאמה בלבד האפשרות היא
מְשׁוּמָשׁ.

אחר אפשרויות

--mapali
קורא את היישור מהקובץ המשמש לבניית המודל מיישר אותו כיחיד
להתנגד ל-CM; למשל היישור ב מוחזק קבוע. זה מאפשר לך
יישר רצפים למודל עם cmalign ולראות אותם בהקשר של קיים
מהימן יישור מרובה. חייב להיות קובץ היישור שה-CM נבנה
מ. התוכנית מוודאת שסכום הבדיקה של הקובץ תואם לזה של הקובץ
משמש לבניית ה-CM. אפשרות דומה לזו נקראה --withali in
גרסאות קודמות של cmalign.

--mapstr
יש להשתמש בשילוב עם --mapali . להפיץ מידע מבני
עבור כל פסאודו-נוט שקיים ב ליישור הפלט. אפשרות דומה ל
זה נקרא --withstr בגרסאות קודמות של cmalign.

--אינפורמט
טען כי הקלט הוא בפורמט . אל תפעיל את פורמט Babelfish
זיהוי אוטומטי. זה מגביר במידת מה את האמינות של התוכנית, כי
Babelfish יכול לעשות טעויות; מומלץ במיוחד עבור ללא השגחה, גבוה-
ריצות תפוקה של Infernal. הפורמטים המקובלים הם: FASTA, GENBANK ו-DDBJ.
אינו רגיש לאותיות.

-- פורמט
ציין את פורמט יישור הפלט בתור . פורמטים מקובלים הם: Pfam, AFA,
A2M, Clustal ו-Phylip. AFA מיושר fasta. רק יישור Pfam ושטוקהולם
הפורמטים יכללו ביאור מבנה קונצנזוס והסתברות אחורית
ביאור של שאריות מיושרות.

--דנאוט
פלט את היישורים כישורי רצף DNA, במקום אלה של RNA.

--אין בעיה
אין להעיר את יישור הפלט עם הסתברויות אחוריות.

--התאמה בלבד
כלול רק עמודות התאמה ביישור הפלט, אל תכלול הוספות כלשהן
ביחס למודל הקונצנזוס. אפשרות זו עשויה להיות שימושית בעת יצירת גדול מאוד
יישורים הדורשים הרבה זיכרון ושטח דיסק, רובם הכרחיים
רק כדי להתמודד עם הוספת עמודות שהן פערים ברוב הרצפים.

--אני עזבתי
פלט את היישור בפורמט שטוקהולם משולב ברוחב קבוע שיכול להיות
נוח יותר לבדיקה. זה היה פורמט יישור הפלט המוגדר כברירת מחדל של
גרסאות קודמות של cmalign. שים לב כי cmalign דורש יותר זיכרון כאשר זה
נעשה שימוש באופציה. מהסיבה הזו, --אני עזבתי יעבוד רק עבור יישורים של עד
100,000 רצפים או סך של 100,000,000 נוקלאוטידים מיושרים.

--לָסֶגֶת
שמור עותק נוסף של יישור הפלט ללא מידע מחבר לקובץ
.

--מִלוּלִי
פלט מידע נוסף בפלט הציונים הטבלאי (פלט ל-stdout if -o
משמש, או ל if --sfile משמש). אלה שימושיים בעיקר לבדיקה ו
ניפוי באגים.

--מעבד
ציין זאת יש להשתמש בעובדי CPU מקבילים. אם מוגדר כ-"0", ואז ה-
התוכנית תופעל במצב טורי, ללא שימוש בשרשורים. אתה יכול גם לשלוט
מספר זה על ידי הגדרת משתנה סביבה, INFERNAL_NCPU. אפשרות זו תהיה
יהיה זמין רק אם המכונה שעליה נבנתה Infernal מסוגלת להשתמש
השרשור POSIX (ראה סעיף התקנה במדריך למשתמש למידע נוסף
מֵידָע).

--מפי הפעל כתוכנית MPI מקבילה. אפשרות זו תהיה זמינה רק אם Infernal יש
הוגדר ונבנה עם הדגל "--enable-mpi" (ראה את ההתקנה
במדריך למשתמש למידע נוסף).

השתמש ב-cmalign באינטרנט באמצעות שירותי onworks.net