cmcalibrate - Online în cloud

PROGRAM:

NUME

cmcalibrate - potriviți cozile exponențiale pentru determinarea valorii E a modelului de covarianță

REZUMAT

cmcalibrare [Opțiuni] cmfile

DESCRIERE

cmcalibrare determină parametrii de coadă exponențiali pentru determinarea valorii E prin generare
secvențe aleatoare, căutându-le cu CM și colectând scorurile rezultatelor
lovituri. O histogramă a scorurilor de biți ale hit-urilor este potrivită pentru o coadă exponențială și
parametrii cozii montate sunt salvați în fișierul CM. Parametrii cozii exponențiali
sunt apoi utilizate pentru a estima semnificația statistică a hit-urilor găsite în cmsearch și
cmscan.

Un fișier CM trebuie calibrat cu cmcalibrare înainte de a putea fi folosit în cmsearch or cmscan,
cu o singură excepție: nu este necesară calibrarea fișierelor CM care includ numai
modele cu zero perechi de baze înainte de rulare cmsearch.

cmcalibrare este foarte lent. Este nevoie de câteva ore pentru a calibra o singură dimensiune medie
CM pe un singur CPU. cmcalibrare va rula în paralel pe toate nucleele disponibile dacă Infernal
a fost construit pe un sistem care acceptă threading POSIX (consultați secțiunea Instalare a
ghid de utilizare pentru mai multe informații). Folosind miezurile vor avea ca rezultat aproximativ ori mai mare
accelerație față de un singur procesor. MPI (Message Passing Interface) poate fi, de asemenea, utilizat pentru
paralelizare cu --mpi opțiune dacă Infernal a fost construit cu MPI activat, dar folosind
Nu sunt recomandate mai mult de 161 de procesoare, deoarece creșterea peste 161 nu va accelera
calibrarea. Consultați secțiunea Instalare a ghidului utilizatorului pentru mai multe informații.

--prognoza opțiunea poate fi utilizată pentru a estima cât timp va dura programul pentru a rula pentru a
dat cmfile pe mașina actuală. Pentru a prezice timpul de funcționare procesoare cu
MPI, utilizați în plus --nforecast opțiune.

Secvențele aleatoare căutate în cmcalibrare sunt generate de un HMM pe care a fost antrenat
secvenţe genomice reale cu diverse conţinuturi de GC. Scopul este de a avea distribuțiile GC
în secvențele aleatoare să fie similare cu cele din secvențele genomice reale.

Sunt efectuate patru runde de căutări și potriviri exponențiale ulterioare ale cozii, câte una pentru fiecare
cei patru algoritmi CM diferiți care pot fi utilizați în cmsearch și cmscan: CYK glocal,
glocal Inside, local CYK și local Inside.

Parametrii E-valori determinati de cmcalibrare sunt folosite doar de către cmsearch și cmscan
programe. Dacă nu veți folosi aceste programe, atunci nu pierdeți timpul cu calibrarea
modelele tale.

OPŢIUNI

-h Ajutor; imprimați un scurt memento cu privire la utilizarea liniei de comandă și la opțiunile disponibile.

-L Setați lungimea totală a secvențelor aleatorii în care să căutați megabaze (Mb). De
Mod implicit, is 1.6 Mb. Crescând va face ca coada exponențială să se potrivească mai mult
precise și valorile E mai precise, dar vor dura mai mult (dublare va aproximativ
dublarea timpului de rulare). In scadere nu este recomandat deoarece va face
se potrivește mai puțin precis, iar valorile E mai puțin precise.

OPŢIUNI PENTRU PREVIZICAREA NECESARE TIMP AND MEMORIE

--prognoza
Preziceți timpul de rulare al calibrării cmfile (cu opțiunile furnizate) activat
mașina curentă și ieșire. Calibrarea nu este efectuată. Previziunile
ar trebui considerate estimări brute. Dacă multithreading este activat (vezi
Secțiunea de instalare a ghidului utilizatorului), sincronizarea va ține cont de numărul
a nucleelor ​​disponibile.

--nforecast
cu --prognoză, specifica ca pentru calibrare vor fi folosite procesoare.
Acest lucru ar putea fi util pentru a estima timpul de rulare al unei rulări MPI cu
procesoare.

--memreq
Preziceți cantitatea de memorie necesară pentru calibrare cmfile (cu furnizat
opțiuni) pe mașina curentă și ieșiți. Calibrarea nu este efectuată.

OPŢIUNI CONTROLUL EXPONENTIAL COADĂ SE POTRIVEȘTE

--gtailn
potriviți coada exponențială pentru glocal Inside și glocal CYK la cele mai mari scoruri
în coada histogramei, unde is ori numărul de Mb căutați. The
valoarea implicită a este 250. Valoarea 250 a fost aleasă pentru că funcționează bine
empiric raportat la alte valori.

--ltailn
potriviți coada exponențială pentru interiorul local și CYK local la cele mai mari scoruri
în coada histogramei, unde is ori numărul de Mb căutați. The
valoarea implicită a este 750. Valoarea 750 a fost aleasă pentru că funcționează bine
empiric raportat la alte valori.

--coada
Ignorați --gtailn și --ltailn opțiunile prefixate și se potrivesc fractie coada de
histograma la o coadă exponențială, pentru toate modurile de căutare.

OPTIONAL REZULTATE DOSARE

--hfile
Salvați histogramele potrivite pentru fișier . Formatul acestui fișier este de două spații
coloane delimitate pe linie. Prima coloană reprezintă valorile pe axa x ale scorurilor de biți ale
fiecare coș. A doua coloană reprezintă valorile pe axa y ale numărului de accesări pe bin. Fiecare
seria este delimitată de o linie cu un singur caracter „&”. Fișierul va conține
o serie pentru fiecare dintre cele patru cozi exponențiale se potrivește în următoarea ordine:
glocal CYK, glocal Inside, local CYK și local Inside.

--file
Salvați informațiile despre complot de supraviețuire în fișier . Formatul acestui fișier este de două spații
coloane delimitate pe linie. Prima coloană reprezintă valorile pe axa x ale scorurilor de biți ale
fiecare coș. A doua coloană reprezintă valorile pe axa y ale fracțiunii de accesări care îndeplinesc sau
depășește scorul pentru fiecare coș. Fiecare serie este delimitată de o linie cu un singur
caracter "&". Fișierul va conține trei serii de date pentru fiecare dintre cele patru CM
moduri de căutare în următoarea ordine: glocal CYK, glocal Inside, local CYK și
local In interior. Prima serie este diagrama empiric de supraviețuire din histogramă
de accesări la secvența aleatorie. A doua serie este adaptarea exponențială la coada
distribuția empirică. A treia serie este potrivirea exponențială a cozii dacă lambda
au fost fixate și stabilite ca log natural de 2 (0.691314718).

--qqfile
Salvați informații despre diagrama cuantilă-cuantilă în fișier . Formatul acestui fișier este
două coloane delimitate de spațiu pe linie. Prima coloană este valorile axei x și
a doua coloană reprezintă valorile axei y. Distanța punctelor de la
linia de identitate (y=x) este o măsură a cât de bună este potrivirea exponențială a cozii, the
punctele sunt mai aproape de linia de identitate, cu atât potrivirea este mai bună. Fiecare serie este
delimitat de o linie cu un singur caracter „&”. Fișierul va conține o serie
de date empirice pentru fiecare dintre cele patru cozi exponențiale se potrivește în cele ce urmează
ordine: glocal CYK, glocal Inside, local CYK și local Inside.

--file
Economisiți statistici delimitate de spațiu ale diferitelor potriviri exponențiale ale cozii în fișier .
Fișierul va conține valorile lambda și mu pentru cozile exponențiale potrivite
cozi de histogramă de diferite dimensiuni. Câmpurile din fișier sunt etichetate
informativ.

--xfile
Salvați o listă cu scorurile din fiecare coadă de histogramă de potrivire în fișier . Fiecare linie de
acest fișier va avea un scor diferit, indicând că a existat o lovitură în coadă cu
acel scor. Fiecare serie este delimitată de o linie cu un singur caracter „&”. The
fișierul va conține o serie pentru fiecare dintre cele patru potriviri exponențiale de coadă din
următoarea ordine: glocal CYK, glocal Inside, local CYK și local Inside.

ALTE OPŢIUNI

--samanta
Seed generatorul de numere aleatorii cu , un întreg >= 0. Dacă este diferit de zero,
simulările stocastice vor fi reproductibile; aceeași comandă va da același
rezultate. Dacă este 0, generatorul de numere aleatoare este însămânțat în mod arbitrar și
simulările stocastice vor varia de la o rulare la alta a aceleiași comenzi. Implicit
sămânța este 181.

--beta
În mod prestabilit, banda dependentă de interogare (QDB) este utilizată pentru a accelera căutarea CM
algoritmi cu o probabilitate de pierdere a cozii beta de 1E-15. Această valoare beta poate fi
schimbat în cu --beta . Parametrul beta este valoarea probabilității
masa exclusă în timpul calculului benzii, valorile mai mari ale beta dau viteze mai mari
dar sacrificați mai multă acuratețe decât valorile mai mici. Valoarea implicită utilizată este 1E-15.
(Pentru mai multe informații despre QDB, consultați Nawrocki și Eddy, PLoS Computational Biology
3(3): e56.)

--nebandate
Opriți QDB în timpul calibrării valorii E. Acest lucru va încetini calibrarea.

--nonull3
Dezactivați modelul null suplimentar post hoc null3. Acest lucru nu este recomandat decât dacă
intenționați să utilizați aceeași opțiune pentru cmsearch şi / sau cmscan.

--Aleatoriu
Utilizați în schimb modelul nul de fundal al CM pentru a genera secvențe aleatorii
a HMM-ului mai realist. Cu excepția cazului în care CM a fost construit folosind --nul opțiunea pentru
cmbuild, modelul nul de fundal va fi de 25% fiecare A, C, G și U.

--gc
Generați secvențele aleatorii folosind distribuția de nucleotide din secvență
fişier .

--CPU
Specificați asta să fie utilizați lucrători paraleli cu CPU. Dacă este setat ca „0”, apoi
programul va fi rulat în modul serial, fără a utiliza fire. De asemenea, puteți controla
acest număr prin setarea unei variabile de mediu, INFERNAL_NCPU. Această opțiune va
să fie disponibil numai dacă mașina pe care a fost construit Infernal este capabilă să o folosească
Filetarea POSIX (consultați secțiunea Instalare a ghidului utilizatorului pentru mai multe
informație).

--mpi Rulați ca un program paralel MPI. Această opțiune va fi disponibilă numai dacă Infernal are
a fost configurat și construit cu indicatorul „--enable-mpi” (consultați Instalarea
secțiunea ghidului utilizatorului pentru mai multe informații).

Utilizați cmcalibrate online folosind serviciile onworks.net