cmbuild - Dalam talian dalam Awan

JADUAL:

NAMA

cmbuild - bina model kovarians daripada jujukan berbilang RNA beranotasi struktur
penjajaran

SINOPSIS

cmbuild [pilihan]

DESCRIPTION

Untuk setiap penjajaran jujukan berbilang dalam bina model kovarians dan simpan ke
fail baharu .

Fail penjajaran mestilah dalam format Stockholm atau SELEX dan mesti mengandungi konsensus
anotasi struktur sekunder. cmbuild menggunakan struktur konsensus untuk menentukan
seni bina CM.

mungkin '-' (sempang), yang bermaksud membaca input ini daripada stdin bukannya fail.
Untuk menggunakan '-', anda juga mesti menentukan format fail penjajaran dengan --maklumat , seperti dalam
--maklumat Stockholm (kerana had semasa dalam pelaksanaan kami, fail MSA
format tidak boleh dikesan secara automatik dalam aliran input yang tidak boleh digulung semula.)

mungkin tidak '-' (stdout), kerana menghantar fail CM ke stdout akan konflik
dengan output teks lain program.

Selain menulis CM(s) kepada , cmbuild juga mengeluarkan satu baris untuk setiap satu
model dicipta untuk stdout. Setiap baris mempunyai medan berikut: "aln": indeks bagi
penjajaran yang digunakan untuk membina CM; "idx": indeks CM dalam ; "nama":
nama CM; "nseq": bilangan jujukan dalam penjajaran yang digunakan untuk membina CM;
"eff_nseq": bilangan jujukan berkesan yang digunakan untuk membina model; "alen": panjangnya
penjajaran yang digunakan untuk membina CM; "clen": bilangan lajur daripada penjajaran
ditakrifkan sebagai lajur konsensus (padanan); "bps": bilangan pasangan asas dalam CM; "bifs":
bilangan bifurcations dalam CM; "rel entropi: CM": jumlah entropi relatif bagi
model dibahagikan dengan bilangan lajur konsensus; "rel entropi: HMM": jumlah relatif
entropi model mengabaikan struktur sekunder dibahagikan dengan bilangan konsensus
lajur. "penerangan": perihalan model/penjajaran.

PILIHAN

-h Bantuan; mencetak peringatan ringkas tentang penggunaan baris arahan dan pilihan yang tersedia.

-n Namakan CM baharu . Lalai ialah menggunakan nama penjajaran (jika ada
Hadir dalam ), atau, jika gagal, nama itu . If
mengandungi lebih daripada satu penjajaran, -n tidak berfungsi, dan setiap penjajaran
mesti mempunyai nama beranotasi dalam (seperti dalam Stockholm #=anotasi ID GF).

-F Benarkan untuk ditimpa. Tanpa pilihan ini, jika sudah
wujud, cmbuild keluar dengan ralat.

-o Arahkan output ringkasan ke fail , bukannya stdout.

-O Selepas setiap model dibina, simpan semula penjajaran sumber beranotasi pada fail
dalam format Stockholm. Jujukan diberi catatan dengan berat jujukan relatif
telah ditugaskan. Penjajaran juga diberi anotasi dengan baris anotasi rujukan
menunjukkan lajur yang ditetapkan sebagai konsensus. Jika penjajaran sumber mempunyai
anotasi rujukan ("#=GC RF") ia akan digantikan dengan sisa konsensus
model untuk lajur konsensus dan '.' untuk memasukkan lajur, melainkan jika --tangan
pilihan telah digunakan untuk menentukan kedudukan konsensus, dalam hal ini ia akan menjadi
tidak berubah.

--devhelp Cetak bantuan, seperti dengan -h , tetapi juga termasuk pilihan pakar yang tidak
dipaparkan dengan -h . Pilihan pakar ini dijangka tidak relevan untuk
sebahagian besar pengguna dan sebagainya tidak diterangkan dalam halaman manual. Satu-satunya
sumber untuk memahami apa yang sebenarnya mereka lakukan ialah satu baris ringkas
penerangan output apabila --devhelp didayakan, dan kod sumber.

PILIHAN MENGAWAL MODEL PEMBINAAN

Pilihan ini mengawal cara lajur konsensus ditakrifkan dalam penjajaran.

--cepat Tentukan lajur konsensus secara automatik sebagai lajur yang mempunyai pecahan >= symfrac of
sisa berbanding jurang. (Lihat di bawah untuk --symfrac pilihan.) Ini adalah
lalai.

--tangan Gunakan anotasi koordinat rujukan (#=garis RF GC, di Stockholm) untuk menentukan yang mana
lajur adalah konsensus, dan yang merupakan sisipan. Sebarang aksara bukan jurang menunjukkan a
ruangan konsensus. (Contohnya, tandai lajur konsensus dengan "x", dan masukkan lajur
dengan ".".) Pilihan ini dipanggil --rf dalam versi sebelumnya Infernal (0.1
melalui 1.0.2).

--symfrac
Tentukan ambang pecahan sisa yang diperlukan untuk menentukan lajur konsensus apabila
tidak menggunakan --tangan. Lalai ialah 0.5. Pecahan simbol dalam setiap lajur ialah
dikira selepas mengambil kira pemberat jujukan relatif. Menetapkan ini kepada
0.0 bermakna setiap lajur penjajaran akan ditetapkan sebagai konsensus, yang mungkin
berguna dalam beberapa kes. Menetapkannya kepada 1.0 bermakna hanya lajur yang mengandungi 0 jurang
akan ditetapkan sebagai konsensus. Pilihan ini menggantikan --gapthresh pilihan
daripada versi sebelumnya Infernal (0.1 hingga 1.0.2), dengan sama dengan (1.0 -
). Contohnya untuk menghasilkan semula tingkah laku untuk arahan cmbuild --gapthresh 0.8
dalam versi sebelumnya, gunakan cmbuild --symfrac 0.2 dengan versi ini.

--noss Abaikan anotasi struktur sekunder, jika ada, dalam dan bina CM dengan
pasangan asas sifar. Model ini akan serupa dengan profil HMM dan cmsearch and
cmscan program akan menggunakan algoritma HMM yang lebih pantas daripada algoritma CM untuk ini
model. Selain itu, model pasangan asas sifar tidak perlu ditentukur dengannya cmcalibrate
sebelum berlari cmsearch dengannya. The --noss pilihan mesti digunakan jika tiada
anotasi struktur sekunder dalam .

--rsearch
Parameterkan skor pelepasan ala RSEARCH, menggunakan matriks RIBOSUM dalam fail .
Dengan --rsearch didayakan, semua penjajaran masuk mesti mengandungi tepat satu
urutan atau --panggil pilihan juga mesti didayakan. Semua kedudukan dalam setiap urutan
akan dianggap sebagai "lajur" konsensus. Sebenarnya, markah pelepasan untuk ini
model tidak akan sama dengan skor RIBOSUM kerana perbezaan dalam pemodelan
strategi antara Infernal dan PENYELIDIKAN, tetapi mereka akan menjadi sama yang mungkin.
Fail matriks RIBOSUM disertakan dengan Infernal dalam subdirektori "matriks/".
direktori "infernal-xxx" peringkat atas. Matriks RIBOSUM ialah skor penggantian
matriks yang dilatih khusus untuk RNA struktur dengan untaian tunggal yang berasingan
skor penggantian pasangan sisa dan asas. Untuk maklumat lanjut lihat PENYELIDIKAN
penerbitan (Klein dan Eddy, BMC Bioinformatics 4:44, 2003).

LAIN MODEL PEMBINAAN PILIHAN

--null
Baca model nol daripada . Model null mentakrifkan kebarangkalian setiap RNA
nukleotida dalam jujukan latar belakang, lalai adalah menggunakan 0.25 untuk setiap nukleotida.
Format fail null dinyatakan dalam panduan pengguna.

--sebelumnya
Baca Dirichlet sebelum daripada , menggantikan campuran lalai Dirichlet. The
format fail terdahulu dinyatakan dalam panduan pengguna.

Penggunaan --devhelp untuk melihat pilihan pembinaan model tambahan, sebaliknya tidak didokumenkan.

PILIHAN MENGAWAL RELATIF BERAT

cmbuild menggunakan algoritma pemberat jujukan ad hoc untuk menurunkan berat yang berkait rapat
urutan dan berat badan yang berkaitan dengan jarak jauh. Ini mempunyai kesan mengurangkan model
berat sebelah oleh perwakilan filogenetik yang tidak sekata. Sebagai contoh, dua jujukan yang sama akan
lazimnya setiap satu menerima separuh berat daripada satu jujukan. Kawalan pilihan ini
algoritma mana yang digunakan.

--wpb Gunakan skema pemberat jujukan berasaskan kedudukan Henikoff [Henikoff dan Henikoff,
J. Mol. biol. 243:574, 1994]. Ini adalah lalai.

--wgsc Gunakan algoritma pemberat Gerstein/Sonnhammer/Chothia [Gerstein et al, J. Mol.
biol. 235:1067, 1994].

--tidak ada
Matikan pemberat urutan; cth secara eksplisit menetapkan semua pemberat jujukan kepada 1.0.

--wdiberikan
Gunakan pemberat jujukan seperti yang diberikan dalam anotasi dalam fail penjajaran input. Jika tidak
pemberat telah diberikan, anggap semuanya 1.0. Lalai adalah untuk menentukan yang baharu
pemberat jujukan oleh algoritma Gerstein/Sonnhammer/Chothia, mengabaikan sebarang
berat beranotasi.

--wblosum
Gunakan algoritma penapisan BLOSUM untuk menimbang jujukan, bukannya lalai
Pemberat GSC. Kelompokkan urutan pada identiti peratusan tertentu (lihat --wid);
berikan setiap kluster jumlah berat 1.0, diagihkan sama rata di kalangan ahli
daripada kluster itu.

--lebar
Mengawal tingkah laku --wblosum pilihan pemberat dengan menetapkan peratus
identiti untuk mengelompokkan penjajaran kepada .

PILIHAN MENGAWAL EFEKTIF RAHSIA NOMBOR

Selepas berat relatif ditentukan, ia dinormalkan kepada jumlah berkesan
nombor urutan, eff_nseq. Nombor ini mungkin bilangan jujukan sebenar dalam
penjajaran, tetapi ia hampir selalu lebih kecil daripada itu. Pemberat entropi lalai
kaedah (--eent) mengurangkan nombor urutan berkesan untuk mengurangkan kandungan maklumat
(entropi relatif, atau purata skor jangkaan pada homolog benar) setiap kedudukan konsensus. The
entropi relatif sasaran dikawal oleh fungsi dua parameter, di mana kedua-duanya
parameter boleh ditetapkan dengan --di sini and --esigma.

--eent Gunakan strategi pemberat entropi untuk menentukan nombor jujukan berkesan itu
memberikan sasaran min padanan keadaan entropi relatif. Pilihan ini ialah lalai, dan
boleh dimatikan dengan --enone. Sasaran lalai bermaksud relatif keadaan padanan
entropi ialah 0.59 bit untuk model dengan sekurang-kurangnya 1 pasangan asas dan 0.38 bit untuk model
dengan pasangan asas sifar, tetapi ditukar dengan --di sini. Lalai 0.59 atau 0.38 bit ialah
berubah secara automatik jika jumlah entropi relatif model (jumlah padanan
keadaan entropi relatif) adalah kurang daripada cutoff, iaitu 6.0 bit secara lalai, tetapi
boleh diubah dengan pakar, tanpa dokumen --eX pilihan. Jika anda benar-benar mahu
bermain dengan pilihan itu, rujuk kod sumber.

--enone
Matikan strategi pemberat entropi. Nombor urutan yang berkesan hanyalah
bilangan urutan dalam penjajaran.

--di sini
Tetapkan sasaran min padanan keadaan entropi relatif sebagai . Secara lalai sasaran
entropi relatif bagi setiap kedudukan padanan ialah 0.59 bit untuk model dengan sekurang-kurangnya 1
pasangan asas dan 0.38 untuk model dengan pasangan asas sifar.

--eminseq
Tentukan nombor jujukan berkesan minimum yang dibenarkan sebagai .

--ehmmre
Tetapkan sasaran HMM min padanan keadaan entropi relatif sebagai . Entropi untuk
keadaan padanan pasangan asas dikira menggunakan pelepasan pasangan asas terpinggir
kebarangkalian.

--eset
Tetapkan nombor jujukan berkesan untuk pemberat entropi sebagai .

PILIHAN MENGAWAL FILTER P7 HMM PEMBINAAN

Bagi setiap CM itu cmbuild membina, penapis p7 HMM yang disertakan dibina daripada input
penjajaran juga. Pilihan ini mengawal pembinaan HMM penapis:

--p7ere
Tetapkan entropi relatif keadaan padanan purata sasaran untuk penapis p7 HMM sebagai . By
lalai entropi relatif sasaran bagi setiap kedudukan perlawanan ialah 0.38 bit.

--p7ml Gunakan kemungkinan maksimum p7 HMM yang dibina daripada CM sebagai penapis HMM. HMM ini akan
menjadi serupa yang mungkin dengan CM (sementara semestinya tidak mengetahui perkara menengah
struktur).

Penggunaan --devhelp untuk melihat pilihan pembinaan HMM tambahan, jika tidak, tanpa dokumen.

PILIHAN MENGAWAL FILTER P7 HMM PENGESAHAN

Selepas membina setiap penapis HMM, cmbuild menentukan parameter E-nilai yang sesuai untuk digunakan
semasa menapis masuk cmsearch and cmscan dengan mengambil sampel satu set jujukan dan mencarinya
dengan setiap konfigurasi dan algoritma penapis HMM.

--EmN Tetapkan bilangan jujukan sampel untuk penentukuran HMM penapis MSV tempatan kepada .
200 secara lalai.

--EvN Tetapkan bilangan jujukan sampel untuk penentukuran HMM penapis Viterbi tempatan kepada
. 200 secara lalai.

--ElfN Tetapkan bilangan jujukan sampel untuk penentukuran HMM penapis Hadapan setempat kepada
. 200 secara lalai.

--EgfN Tetapkan bilangan jujukan sampel untuk penentukuran HMM penapis Hadapan glokal
kepada . 200 secara lalai.

Penggunaan --devhelp untuk melihat pilihan penentukuran HMM tambahan, jika tidak, tanpa dokumen.

PILIHAN UNTUK MEMASTIKAN THE INPUT PENJELASAN

--halusi
Cuba untuk memperhalusi penjajaran sebelum membina CM menggunakan jangkaan-
memaksimumkan (EM). CM mula-mula dibina daripada penjajaran awal seperti biasa. Kemudian,
jujukan dalam penjajaran dijajarkan semula secara optimum (dengan jalur HMM CYK
algoritma, optimum bermakna optimum memandangkan jalur) kepada CM, dan CM baharu dibina
daripada penjajaran yang terhasil. Urutan kemudiannya dijajarkan semula kepada CM baharu, dan a
CM baharu dibina daripada penjajaran itu. Ini diteruskan sehingga penumpuan,
khususnya apabila penjajaran untuk dua lelaran berturut-turut tidak
berbeza dengan ketara (skor bit terjumlah semua jujukan dalam
perubahan penjajaran kurang daripada 1% antara dua lelaran berturut-turut). perlawanan akhir
penjajaran (penjajaran yang digunakan untuk membina CM yang akan ditulis ke ) is
bertulis kepada .

-l Dengan --menghalusi, hidupkan algoritma penjajaran tempatan, yang membolehkan penjajaran untuk
menjangkau dua atau lebih urutan jika perlu (cth jika struktur pertanyaan
model dan jujukan sasaran hanya dikongsi sebahagiannya), membenarkan besar tertentu
sisipan dan pemadaman dalam struktur akan dihukum secara berbeza daripada biasa
indels. Lalai adalah untuk menjajarkan model pertanyaan secara global kepada jujukan sasaran.

--gibbs
Mengubah suai tingkah laku --halusi jadi pensampelan Gibbs digunakan sebagai ganti EM. The
perbezaannya ialah semasa peringkat penjajaran, penjajaran tidak semestinya
optimum, sebaliknya penjajaran (parsetree) untuk setiap jujukan diambil sampel daripada
pengedaran penjajaran posterior seperti yang ditentukan oleh algoritma Dalam. Disebabkan oleh
langkah persampelan ini --gibbs adalah bukan deterministik, jadi larian yang berbeza dengan yang sama
penjajaran mungkin menghasilkan hasil yang berbeza. Ini tidak benar apabila --halusi digunakan
tanpa --gibbs pilihan, dalam hal ini penjajaran akhir dan CM akan sentiasa
sama. Bila --gibbs diaktifkan, yang --benih pilihan boleh digunakan untuk menyemai
penjana nombor rawak boleh diramal, menjadikan keputusan boleh dihasilkan semula. Matlamat untuk
yang --gibbs pilihan adalah untuk membantu kurator penjajaran RNA pakar memperhalusi struktur
penjajaran dengan membenarkan mereka memerhatikan penjajaran markah tinggi alternatif.

--benih
Benih penjana nombor rawak dengan , integer >= 0. Pilihan ini hanya boleh
digunakan dalam kombinasi dengan --gibbs. If adalah bukan sifar, pensampelan stokastik bagi
penjajaran akan boleh dihasilkan semula; arahan yang sama akan memberikan hasil yang sama. Jika
ialah 0, penjana nombor rawak disemai secara sewenang-wenangnya, dan stokastik
pensampelan mungkin berbeza dari run ke run perintah yang sama. Benih lalai ialah 0.

--cyk Dengan --menghalusi, selaras dengan algoritma CYK. Secara lalai ketepatan optimum
algoritma digunakan. Terdapat lebih banyak maklumat mengenai perkara ini dalam cmalign halaman manual.

--notrunc
Dengan --menghalusi, matikan algoritma penjajaran terpotong. Ada banyak lagi
maklumat mengenai perkara ini dalam cmalign halaman manual.

Penggunaan --devhelp untuk melihat pilihan penghalusan penjajaran tambahan, sebaliknya tidak didokumenkan sebagai
serta pilihan dan pilihan fail output lain untuk membina berbilang model untuk satu
penjajaran.

Gunakan cmbuild dalam talian menggunakan perkhidmatan onworks.net