cmalign - クラウドでオンライン

プログラム：

NAME

cmalign - シーケンスを共分散モデルに整列させます

SYNOPSIS

cmalign
[オプション]

DESCRIPTION

cmalign RNA配列を整列させます の共分散モデル (CM) へ 。
新しいアライメントは次のように出力されます。 (Linuxで言うところのstdout） ストックホルム形式ですが、ファイルにリダイレクトできます
-o オプションを選択します。

どちらでも or (両方ではありません) '-' (ダッシュ) の場合があります。これは、これを読むことを意味します。
からの入力 stdin ファイルではなく。

シーケンスファイル FASTA または Genbank 形式である必要があります。

cmalign 説明されているように、HMM バンディング技術を使用してデフォルトで位置合わせを高速化します。
以下の --hbanded オプション。 HMM バンディングは次のコマンドでオフにできます。 -バンドなし オプションを選択します。

デフォルトでは、 cmalign 期待される最大の精度でアライメントを計算します。
のバンド付きバージョンを使用して、HMM から派生した制約 (バンド) と一致します。
ダービン/ホームズの最適精度アルゴリズム。 この動作は次のコマンドで変更できます。 --サイク or
- サンプル オプション。

cmalign 一部のヌクレオチドが切断された配列を正確に整列させるために特別な注意を払います。
実際の完全長生物学的配列の最初 (5') および/または終わり (3') から
入力配列には存在しません (DL Kolbe および SR Eddy、Bioinformatics、25:1236-1243 を参照)
2009）。 この動作はデフォルトでオンになっていますが、次のコマンドでオフにできます。 --notrunc。 以前では、
のバージョン cmalign 　 - サブ 切り捨てられたものを適切に処理するにはオプションが必要でした
シーケンス。 の - サブ オプションはこのバージョンでも引き続き使用できますが、新しいデフォルトの方法
切り詰められたシーケンスの処理については、ほぼすべての点でサブメソッドと同等かそれよりも優れている必要があります。
すべてのケース。

　 --マパリ オプションを使用すると、トレーニングの構築に使用される固定トレーニング アライメントを含めることができます。
ファイルからのCM の出力アライメント内で cmalign。

イーゼルを使用して、同じ CM によって作成された XNUMX つ以上のアライメントをマージすることができます。
MiniApp esl-alimerge (Infernal のイーゼル/miniapps/ サブディレクトリに含まれています)。 前
のバージョン cmalign アライメントをマージするオプションが含まれていましたが、それらは非推奨になりました
開発 esl-alimerge、 これによりメモリ効率が大幅に向上します。

デフォルトでは、 cmalign アライメントを標準出力に出力します。 アライメントはリダイレクトできます
出力ファイルに -o オプション。 と -o、 それぞれの整列情報
スコアとモデルのアライメント境界を含むシーケンスが標準出力に出力されます (詳細
これについては以下で説明します)。

出力の配置はデフォルトでストックホルム形式になります。 これは Pfam に変更できます。
を使用して整列された FASTA (AFA)、A2M、Clustal、または Phylip 形式 --outformat オプション、
コラボレー 目的の形式の名前です。 特殊なケースとして、出力の位置合わせが
は、
出力形式は Pfam 形式になり、各シーケンスは XNUMX 行で表示されます。
メモリ効率の理由。 これより大きいアライメントの場合は、次を使用します。 --イリーブド 強制します
インターリーブされたストックホルム形式ですが、これには大量の処理が必要になる可能性があることに注意してください。
メモリ。 --イリーブド 最大 100,000 配列または 100,000,000 配列のアライメントに対してのみ機能します
総ヌクレオチド。

出力アライメント形式が Stockholm または Pfam の場合、出力アライメントは次のようになります。
整列されたそれぞれの信頼レベルを推定する事後確率の注釈が付けられます。
ヌクレオチド。 この注釈は、「#=GR」で始まる行として表示されます。 PP」、XNUMX個につきXNUMX個
シーケンス、それぞれが対応する整列シーケンスの直下にあります。 」。
PP 行の文字には、「12 ～ 0」、「*」、「.」の 9 個の値があります。 「.」の場合は位置
シーケンス内のギャップに対応します。 値「0」は事後確率を示します。
0.0 ～ 0.05 の間、「1」は 0.05 ～ 0.15 の間を示し、「2」は 0.15 ～ XNUMX の間を示します。
0.25 など、9 ～ 0.85 の間を示す「0.95」まで続きます。 「*」の値は、
事後確率は 0.95 ～ 1.0 です。 より高い事後確率が対応する
整列したヌクレオチドが、それが表示される場所に属しているという確信が高まります。
アライメント。 と -バンドなし、 事後確率の計算では、すべてが考慮されます。
CM に対するターゲット配列のアラインメントの可能性。 それなし -バンドなし (つまりデフォルトでは
モード）の場合、計算では HMM バンド内で可能な位置合わせのみが考慮されます。 さらに遠く、
事後確率は、アライメントの切り捨てモードに条件付きです。 ために
たとえば、配列アライメントが 5' で切り詰められている場合、PP 値「9」は、
すべての 0.85' 切断アライメントの 0.95 および 5 には、指定された位置に指定されたヌクレオチドが含まれます。
位置。 事後注釈は次のコマンドでオフにできます。 - 問題ありません オプション。 場合 - 小さな
が有効になっている場合は、事後注釈もオフにする必要があります。 - 問題ありません。

次の場合に標準出力に出力される表形式の出力。 -o 使用されるオプションには XNUMX 行が含まれます
シーケンスごと、XNUMX 行あたり XNUMX 個のフィールド: "idx": 入力内のシーケンスのインデックス
file, "seq name": シーケンス名; 「長さ」: シーケンスの長さ。 「からセンチメートル」と
「cm to」: モデルの位置合わせの開始位置と終了位置。 "trunc": シーケンスの場合は "no"
切り詰められていません。シーケンスの先頭が 5' 切り詰められている場合は「5'」、配列の終わりが切り詰められている場合は「3'」です。
シーケンスは切り詰められており、先頭と末尾の両方が切り詰められている場合は「5'&3'」になります。
"bit sc": アライメントのビット スコア、"avg pp" の平均事後確率
アラインメント内のすべてのアラインメントされたヌクレオチド。 「バンド計算」、「アライメント」、「トータル」：時間
HMM バンドの計算、アライメントの計算、完了に必要な秒数
それぞれシーケンスの処理。 「mem (Mb)」: すべての動的ファイルのサイズ (Mb)
シーケンスを整列させるために必要なプログラミング行列。 この表形式のデータは保存可能です
ファイルへ --sfile オプションを選択します。

OPTIONS

-h ヘルプ; コマンドラインの使用法と利用可能なオプションの簡単なリマインダーを出力します。

-o アライメントをストックホルム形式でファイルに保存します 。 デフォルトではそれを書き込むことです
標準出力に。

-g クエリ モデルをターゲットにグローバルに調整するためのモデルを構成する
シーケンス。 デフォルトでは、モデルはローカル アライメント用に構成されています。 地元
アラインメントには、「ローカルエンド」と呼ばれる大きな挿入や削除が含まれる場合があります。
構造体には通常のインデルとは異なるペナルティが適用されます。 これらには次のように注釈が付けられます
出力アライメントの RF 行の「~」列。 の -g オプションを使用して
これらのローカルエンドを禁止します。 の -g オプションが必要な場合は、 - サブ オプションも
中古。

OPTIONS FOR 制御 ザ 調整 アルゴリズム

--optacc
Durbin/Holmes 最適精度アルゴリズムを使用してシーケンスを整列します。 これは
デフォルト。 最適な精度のアライメントは、HMM バンドによって制限されます。
加速度が -バンドなし オプションが有効になっています。 最適な精度
アルゴリズムは、事後確率を最大化するアライメントを決定します。
その中で整列したヌクレオチド。 事後確率は次を使用して決定されます。
Inside アルゴリズムと Outside アルゴリズムの (おそらく HMM バンド化された) バリアント。

--サイク 配列を整列させるために Durbin/Holmes の最適精度アライメントを使用しないでください。
代わりに、最適なスコア (最大値) を決定する CYK アルゴリズムを使用します。
HMM バンドを考慮した場合のモデルに対するシーケンスのアライメント (可能性) (そうでない場合を除く)
-バンドなし も有効になります）。

- サンプル
アライメントの事後分布からアライメントをサンプリングします。 後部
分布は HMM バンドを使用して決定されます (ただし、 --バンドなし) のバリアント
内部アルゴリズム。

- シード
乱数ジェネレータに次のシードを与えます 、 整数 >= 0。このオプションで指定できるのは
と組み合わせて使用​​されます - サンプル。 If ゼロ以外の確率的サンプリングです
アライメントは再現可能です。 同じコマンドでは同じ結果が得られます。 もしも
が 0 の場合、乱数ジェネレーターは任意にシードされ、確率的です。
サンプリングは、同じコマンドの実行ごとに異なる場合があります。 デフォルトのシードは 181 です。

--notrunc
切り詰められた位置合わせアルゴリズムをオフにします。 入力ファイル内のすべてのシーケンスは次のようになります。
そうでない限り、全長であるとみなされます。 - サブ も使用されます。その場合、プログラムは
切り詰められたシーケンスも引き続き処理しますが、それらに対して代替戦略を使用します。
アライメント。

- サブ サブモデルの構築と位置合わせの手順をオンにします。 各シーケンスについて、
HMM は最初にモデルの開始コンセンサス列と終了コンセンサス列を予測するために使用され、その後、新しいコンセンサス列が予測されます。
サブ CM は、最初から最後までコンセンサス列のみをモデル化して構築されています。 の
その後、シーケンスがこのサブ CM に合わせて配置されます。 サブアライメントは、
デフォルトは、切り詰められた可能性のあるシーケンスを整列させるためのものです。 デフォルトでは、 cmalign
特殊な DP アルゴリズムを使用して、切り詰められたシーケンスを処理します。
ほとんどの場合、サブメソッドよりも正確です。 - サブ まだオプションとして含まれています
主に、このデフォルトの切り詰められたシーケンスの処理に対するテスト用です。 今回の「サブCM」
この手順は、ワインバーグとルッツォが説明した「サブ CM」とは異なります。

OPTIONS FOR 制御 SPEED そして MEMORY 募集要項

--hbanded
このオプションはデフォルトでオンになっています。 領域を削除して位置合わせを加速する
HMM によって無視できるとみなされる CM DP 行列の。 まず、それぞれの配列は、
前方および後方 HMM を使用して CM から導出された CM プラン 9 HMM でスコア付けされます。
各ヌクレオチドがそれぞれに整列する事後確率を計算するアルゴリズム
HMM の状態。 これらの事後確率は制約を導き出すために使用されます。
CM DP マトリクス上の (バンド)。 最後に、ターゲット配列を CM にアラインメントします。
バンド付き DP マトリックスを使用します。このとき、バンドの外側のセルは無視されます。
通常、完全な DP マトリックスのほとんどは帯域の外側にあります (多くの場合 95% 以上)。
必要な DP 計算が少なくなるため、この手法が高速になります。
バンド内のセルのみを割り当てる必要があるため、メモリ効率が向上します。

重要なのは、HMM バンディングにより、最適なバンディングを決定する保証が犠牲になるということです。
正確または最適なアライメント。バンドの外側にある場合は失われます。
タウパラメータは、実行中に無視できると考えられる確率質量の量です。
HMM バンド計算。 タウの値が低いほど高速化が大きくなりますが、速度もより大きくなります。
最適なアライメントが失われる可能性があります。 デフォルトのタウは 1E-7 と決定されています
経験的には、感度と速度の適切なトレードオフとして、この値は
で変更されます --タウ オプション。 加速レベルは次のように増加します
ファミリーの長さと一次配列保存レベルの両方。 例えば、
デフォルトのタウが 1E-7 である場合、tRNA モデル (一次配列の保存性が低く、
約75ヌクレオチドの長さ）は約10倍の加速を示し、SSU細菌rRNA
モデル (約 1500 ヌクレオチドの長さの高度な一次配列保存)
約700Xを表示します。 HMM バンディングは次のコマンドでオフにできます。 -バンドなし オプションを選択します。

--タウ
HMM バンド計算中に使用されるテールロス確率を次のように設定します。 。 これは
HMM 事後確率内の確率質量の量。
無視できるものと考えられます。 デフォルト値は 1E-7 です。 一般に、値が大きいほど、
加速は大きくなりますが、最適なタイミングを逃す可能性が高くなります。
HMM バンドによるアライメント。

--mxsize
最大許容合計 DP マトリックス サイズを次のように設定します。 メガバイト。 デフォルトではこれ
サイズは1028MBです。 これは、大部分のアライメントに対して十分な大きさである必要があります。
ただし、そうでない場合は cmalign HMM バンドを繰り返し強化しようとします。
tau パラメータを上げ、
必要なマトリックスの合計サイズが下回るまでバンドを繰り返します メガバイトまたは最大値
許容タウ値 (デフォルトでは 0.05 ですが、次の値で変更可能) --マックスタウ) が達成された。 で
バンドを締め付けるたびに、タウは 2.0 倍になります。 バンドの締め具合
戦略は次のコマンドでオフにできます --fixedtau オプション。 最大タウが
に達しましたが、必要なマトリックス サイズをまだ超えています または、HMM バンディングが機能しない場合
使用されており、必要なマトリックス サイズを超えています その後 cmalign 終了します
マトリックスがその最大値を超えたというエラー メッセージを報告する
許容できるサイズ。 この場合、 --mxsize サイズ制限を上げるために使用できます。または
最大タウを上げることができます --マックスタウ。 制限を超えるのが一般的です
時 -バンドなし オプションは指定せずに使用されます - 小さな オプションですが、それでも発生する可能性があります
いつ -バンドなし は使用されていません。 場合に注意してください。 cmalign で実行されています の試合に
マルチコア マシン上のスレッドの場合、各スレッドには最大のマトリックスが割り当てられる可能性があります。
サイズに いつでもMb。

--fixedtau
の説明で説明されている HMM バンド引き締め戦略をオフにします。
--mxsize 上記のオプション。

--マックスタウ
バンド締め付け時のタウの最大許容値を設定します (「」を参照)。
の説明 --mxsize 上に、へ 。 デフォルトでは、この値は 0.05 です。

-バンドなし
HMM バンディングをオフにします。 返されたアライメントは、グローバルなアライメントであることが保証されます。
最適に正確なもの (デフォルト)、またはグローバルに最適なスコアリング (デフォルト) --サイク
有効になっています）。 の - 小さな このオプションと組み合わせて使用​​することをお勧めします。
HMM バンディングのない標準的な位置合わせには大量のメモリが必要となるためです (「
- 小さな ).

- 小さな
SR Eddy、BMC で説明されている分割統治 CYK アライメント アルゴリズムを使用します。
バイオインフォマティクス 3:18、2002。 -バンドなし オプションは以下と組み合わせて使用​​する必要があります
このオプション。 また、いつでもお勧めです -バンドなし それが使われています - 小さな is
HMM バンディングのない標準の CM アライメントには多くの時間が必要なため、これも使用されます。
特に大きな RNA の場合、メモリに影響を与えます。 - 小さな 実用的な範囲内で CM アライメントを可能にします
メモリ制限により、最大の LSU rRNA のアライメントに必要なメモリが削減されます。
150 Gb から 300 Mb 未満の既知の RNA。 このオプションは次の場合にのみ使用できます。
との組み合わせ -バンドなし、 --notrunc、 & --サイク。

オプション 出力 ファイル

--sfile
シーケンスごとのアライメント スコアと timig 情報をファイルにダンプします 。 の形式
このファイルは上で説明されています (表形式のファイルと同じ形式の同じデータです)
stdout 出力時の -o オプションが使用されます）。

--tfile
個々のシーケンスごとに表形式のシーケンス トレースバックをファイルにダンプします 。
主にデバッグに役立ちます。

--ifile
シーケンスごとの挿入情報をファイルにダンプします 。 ファイルの形式は次のとおりです。
ファイルの先頭に含まれる「#」で始まるコメント行で説明されます。 。 　
挿入情報は、 --matchonly オプションが使用されます。

--elfile
シーケンスごとの EL 状態のダンプ (ローカル エンド) 情報をファイルに挿入します 。 フォーマット
ファイルの内容は、ファイルの先頭に含まれる「#」で始まるコメント行によって説明されます。
file 。 EL インサート情報は、 --matchonly オプションがある
中古。

その他 OPTIONS

--マパリ
ファイルからアライメントを読み取ります モデルを構築するために使用され、モデルを単一として整列させます
CMに反対する。 たとえば、次の位置合わせ 固定された状態で保持されます。 これにより、次のことが可能になります
シーケンスをモデルに合わせて整列させる cmalign 既存のコンテキストでそれらを表示します。
信頼できるマルチアライメント。 CM が構築されたアライメント ファイルである必要があります
から。 プログラムは、ファイルのチェックサムがファイルのチェックサムと一致することを検証します。
CM構築に使用しました。 これと同様のオプションが呼ばれました --withali in
以前のバージョンの cmalign。

--mapstr
と組み合わせて使用​​する必要があります --マパリ . 構造情報を伝達する
に存在するすべての擬似ノットに対して 出力の位置合わせに。 同様のオプション
これは呼ばれました --withstr 以前のバージョンでは cmalign。

--informat
入力が 形式になっています 。 Babelfish 形式を実行しないでください
自動検出。 これにより、プログラムの信頼性が多少向上します。
Babelfish は間違いを犯す可能性があります。 無人で高負荷の環境に特に推奨されます。
Infernal のスループット実行。 使用可能な形式は、FASTA、GENBANK、および DDBJ です。
大文字と小文字は区別されません。

--outformat
出力の位置合わせ形式を次のように指定します。 。 使用可能な形式は次のとおりです: Pfam、AFA、
A2M、クラスタル、フィリップ。 AFA は高速に調整されます。 Pfam とストックホルムのみの調整
形式にはコンセンサス構造の注釈と事後確率が含まれます
整列された残基のアノテーション。

--dnaout
アラインメントを RNA 配列アラインメントではなく DNA 配列アラインメントとして出力します。

- 問題ありません
出力の位置合わせに事後確率の注釈を付けないでください。

--matchonly
出力配置には一致する列のみが含まれ、挿入は含まれません。
コンセンサスモデルと比較して。 このオプションは、非常に大規模なファイルを作成する場合に便利です。
大量のメモリとディスク容量を必要とする調整 (そのほとんどは必要なもの)
ほとんどのシーケンスのギャップである挿入列のみを処理します。

--イリーブド
アライメントを固定幅のインターリーブ ストックホルム形式で出力します。
検査がより便利になります。 これは、デフォルトの出力位置合わせ形式でした。
以前のバージョンの cmalign。 注意してください cmalign この場合、より多くのメモリが必要になります
オプションが使用されます。 このために、 --イリーブド までのアライメントに対してのみ機能します
100,000 個の配列、または合計 100,000,000 個の整列されたヌクレオチド。

--回帰
作成者情報を含まない出力アライメントの追加コピーをファイルに保存します
。

-詳細
追加情報を表形式のスコア出力に出力します (次の場合は stdout に出力します)。 -o
が使用される、または if --sfile 使用されている）。 これらは主にテストと
デバッグ。

- CPU
指定する 並列 CPU ワーカーが使用されます。 もしも が「0」に設定されている場合、
プログラムはスレッドを使用せずにシリアル モードで実行されます。 コントロールすることもできます
この数値は環境変数を設定して、 INFERNAL_NCPU。 このオプションは、
Infernal が構築されたマシンが次の機能を使用できる場合にのみ使用できます。
POSIX スレッド (詳細については、ユーザー ガイドの「インストール」セクションを参照してください)
情報）。

--mpi MPI 並列プログラムとして実行します。 このオプションは、Infernal がインストールされている場合にのみ使用できます。
「--enable-mpi」フラグを使用して構成およびビルドされている (「インストール」を参照)
詳細については、ユーザー ガイドのセクションを参照してください)。

onworks.net サービスを使用してオンラインで cmalign を使用する