cmsearch - Online în cloud

PROGRAM:

NUME

cmsearch - căutați modele de covarianță față de o bază de date de secvențe

REZUMAT

cmsearch [Opțiuni]

DESCRIERE

cmsearch este utilizat pentru a căuta unul sau mai multe modele de covarianță (CM) în raport cu o secvență
Bază de date. Pentru fiecare CM in , utilizați acea interogare CM pentru a căuta în baza de date țintă a
secvențe în , și scoateți liste clasificate cu secvențele cu cele mai semnificative
se potrivește cu CM. Pentru a construi CM-uri din mai multe aliniamente, consultați cmbuild.

Interogarea trebuie să fi fost calibrat pentru valorile E cu cmcalibrare. Ca special
excepție, orice model în care au zero perechi de baze nu trebuie calibrate. Pentru
aceste modele, algoritmii de căutare profil HMM vor fi folosiți în locul celor CM, așa cum sa discutat
mai jos.

Interogarea poate fi „-” (un caracter liniuță), caz în care intrarea CM de interogare va fi
citeste din a pipe în loc de dintr-un fișier. The poate să nu fie „-” deoarece
implementarea actuală trebuie să poată derula baza de date, ceea ce nu este posibil cu
stdin intrare.

Formatul de ieșire este conceput pentru a fi citit de om, dar este adesea atât de voluminos încât
citirea lui este nepractică, iar analizarea lui este o durere. The --tblout opțiunea salvează rezultatul într-un
format tabelar simplu, concis și mai ușor de analizat. The -o opțiunea permite
redirecționarea ieșirii principale, inclusiv aruncarea acesteia în /dev/null.

cmsearch reexaminează terminalele 5’ și 3’ ale secvențelor țintă folosind algoritmi specializați
pentru detectarea trunchiat hit-uri, în care parte din capătul 5' și/sau 3' al completului real
lungimea secvenței omoloage lipsește din fișierul secvenței țintă. Aceste tipuri de lovituri
va fi cel mai frecvent în fișierele de secvențe constând din citiri de secvențiere neasamblate. De
implicit, orice lovitură trunchiată de 5' este necesară pentru a include primul reziduu al țintei
secvența din care derivă în , și orice lovitură trunchiată de 3' este necesară pentru a include
restul final al secvenței țintă din care derivă. Orice lovitură trunchiată de 5' și 3' trebuie
includ primul și ultimul reziduu al secvenței țintă din care derivă. The --orice trunchiu
opțiunea va relaxa cerințele pentru includerea hit-urilor a punctelor finale ale secvenței și va trunchia
loviturile au voie să înceapă și să se oprească în orice poziție a secvențelor țintă. Important
totuși, cu --anytrunc, valorile E ale loviturii vor fi mai puțin precise, deoarece calibrarea modelului o face
nu luați în considerare posibilitatea unor lovituri trunchiate, așa că utilizați-o cu precauție. The --notrunc
opțiunea poate fi folosită pentru a dezactiva detectarea loviturilor trunchiate. --notrunc va reduce alergarea
timp de cmsearch, cel mai semnificativ pentru țintă fișiere care includ multe scurte
secvențe.

Detectarea loviturilor trunchiate este dezactivată automat când --max, --nuhmm, --qdb, or
--nebandate opțiunile sunt utilizate deoarece se bazează pe utilizarea unei benzi HMM accelerate
strategie de aliniere care este dezactivată de oricare dintre aceste opțiuni.

OPŢIUNI

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

-g Porniți glocal algoritm de aliniere, global în raport cu modelul de interogare și
local în raport cu baza de date țintă. În mod implicit, alinierea locală
este utilizat algoritmul care este local atât în ​​ceea ce privește secvența țintă, cât și
model. În modul local, alinierea se întinde pe două sau mai multe subsecvențe, dacă este necesar
(de exemplu, dacă structurile modelului de interogare și secvența țintă sunt doar parțial
shared), permițând anumite inserții și ștergeri mari în structură
penalizate diferit de indelurile normale. Modul local are performanțe mai bune pe empiric
etalon și este semnificativ mai sensibil pentru detectarea omologiei de la distanță.
Din punct de vedere empiric, căutările glocale returnează mult mai puține rezultate decât căutările locale, deci glocal
poate fi dorit pentru unele aplicații. Cu -g, toate modelele trebuie să fie calibrate, chiar
cele cu zero perechi de baze.

-Z Calculați valorile E ca și cum dimensiunea spațiului de căutare ar fi fost megabaze (Mb). Fara
folosind această opțiune, dimensiunea spațiului de căutare este definită ca numărul total de
nucleotide în ori de 2, deoarece ambele fire ale fiecărei secvențe țintă vor
fi căutat.

--devhelp
Ajutor pentru imprimare, ca și cu -h , dar includeți și opțiuni de expert care nu sunt afișate
cu -h . Aceste opțiuni de experți nu sunt de așteptat să fie relevante pentru vast
majoritatea utilizatorilor și, prin urmare, nu sunt descrise în pagina de manual. Singurele resurse
pentru a înțelege ceea ce fac ei de fapt, sunt scurtele descrieri dintr-o linie de ieșire
cand --devhelp este activat și codul sursă.

OPŢIUNI PENTRU CONTROLUL REZULTATE

-o Direcționați principala ieșire care poate fi citită de om către un fișier în loc de stdout implicit.

-A Salvați o aliniere multiplă a tuturor accesărilor semnificative (cele satisfăcătoare includere
praguri) la dosar .

--tblout
Salvați un fișier tabelar simplu (delimitat de spațiu) care rezumă accesările găsite, cu unul
linie de date per hit. Formatul acestui fișier este descris în ghidul utilizatorului Infernal.

--acc Utilizați accesări în loc de nume în rezultatul principal, acolo unde este disponibil pentru profiluri
și/sau secvențe.

--noali
Omiteți secțiunea de aliniere din ieșirea principală. Acest lucru poate reduce foarte mult producția
volum.

--notextw
Nelimitați lungimea fiecărei linii din ieșirea principală. Valoarea implicită este o limită de 120
caractere pe linie, ceea ce ajută la afișarea curată a rezultatelor pe terminale și
în editori, dar poate trunchia liniile de descriere a profilului țintă.

--textw
Setați limita de lungime a liniei de ieșire principală la caractere pe linie. Valoarea implicită este
120.

--verbos
Includeți statistici suplimentare ale canalului de căutare în rezultatul principal, inclusiv filtrul
statistici de supraviețuire pentru detectarea loviturilor trunchiate și numărul de plicuri aruncate
din cauza depășirilor de dimensiunea matricei.

OPŢIUNI CONTROLUL RAPORTAREA PRAȘE

Pragurile de raportare controlează ce accesări sunt raportate în fișierele de ieșire (ieșirea principală și
--tblout) Afișările sunt clasificate în funcție de semnificația statistică (valoarea E). În mod implicit, toate accesările
cu o valoare E <= 10 sunt raportate. Următoarele opțiuni vă permit să schimbați valoarea implicită
Praguri de raportare a valorii E sau pentru a utiliza în schimb pragurile scorului de biți.

-E În rezultatul pentru fiecare țintă, raportați secvențele țintă cu o valoare E de <= .
implicit este 10.0, ceea ce înseamnă că, în medie, vor fi raportate aproximativ 10 fals pozitive
pe interogare, astfel încât să puteți vedea partea de sus a zgomotului și să decideți singur dacă este
cu adevărat zgomot.

-T În loc să limitați ieșirea pe CM pe E-value, raportați secvențele țintă cu a
scorul de biți de >= .

OPŢIUNI PENTRU INCLUDERE PRAȘE

Pragurile de includere sunt mai stricte decât pragurile de raportare. Controlul pragurilor de includere
care hit-uri sunt considerate a fi suficient de fiabile pentru a fi incluse într-o aliniere de ieșire sau
într-o eventuală rundă de căutare ulterioară sau marcat ca semnificativ ("!"), spre deosebire de
discutabil ("?") în rezultatul hit.

--incE
Utilizați o valoare E de <= ca pragul de includere a accesului. Valoarea implicită este 0.01,
ceea ce înseamnă că, în medie, ar fi de așteptat aproximativ 1 fals pozitiv la fiecare 100
căutări cu diferite secvențe de interogare.

--incT
În loc să utilizați valori E pentru setarea pragului de includere, folosiți un pic
scor >= ca pragul de includere a accesului. În mod implicit, această opțiune este dezactivată.

OPŢIUNI PENTRU SPECIFICE DE MODEL SCOR PRAGAREA

Bazele de date CM gestionate pot defini praguri specifice de scor de biți pentru fiecare CM, înlocuind-o pe oricare
pragurile bazate numai pe semnificația statistică.

Pentru a utiliza aceste opțiuni, profilul trebuie să conțină elementele adecvate (GA, TC și/sau NC)
adnotare opțională a pragului de scor; aceasta este preluată de cmbuild din formatul Stockholm
fișiere de aliniere. Fiecare opțiune de prag are un scor de biți și se comportă ca și cum -T
--incT a fost aplicat în mod specific utilizând pragurile stabilite pentru fiecare model.

--cut_ga
Utilizați scorurile de biți GA (adunare) din model pentru a seta raportarea și includerea hit-urilor
praguri. Pragurile GA sunt, în general, considerate a fi curate de încredere
pragurile care definesc apartenența la familie; de exemplu, în Rfam, aceste praguri
definiți ce este inclus în aliniamentele Rfam Full pe baza căutărilor cu Rfam Seed
modele.

--cut_nc
Utilizați pragurile scorului de biți NC (limitare de zgomot) în model pentru a seta raportarea hit-urilor
și pragurile de includere. Pragurile NC sunt în general considerate a fi scorul
cel mai mare scor pozitiv fals cunoscut.

--cut_tc
Utilizați pragurile scorului de biți TC (cutoff de încredere) din model pentru a seta raportarea hit-urilor
și pragurile de includere. Pragurile TC sunt, în general, considerate a fi scorul
pozitivul adevărat cunoscut cu cel mai mic punctaj, care este mai presus de toate falsele pozitive cunoscute.

OPŢIUNI CONTROLUL THE ACCELERARE ȚINUTĂ

Căutările Infernal 1.1 sunt accelerate într-o conductă de filtrare în șase etape. Primele cinci
etapele utilizează un profil HMM pentru a defini plicurile care sunt trecute la etapa șase CM CYK
filtru. Orice plic care supraviețuiește tuturor filtrelor li se atribuie scoruri finale folosind CM
Algoritmul din interior. (Consultați ghidul utilizatorului pentru mai multe informații.)

Filtrul de profil HMM este construit de cmbuild program și este stocat în .

Fiecare filtru succesiv este mai lent decât cel anterior, dar mai bun decât acesta
discriminând între subsecvențele care pot conține hit-uri CM cu scoruri mari și cele care conțin
nu. Primele trei etape de filtru HMM sunt aceleași cu cele utilizate în HMMER3. Etapa 1 (F1)
este filtrul local HMM SSV modificat pentru secvențe lungi. Etapa 2 (F2) este HMM local
filtru Viterbi. Etapa 3 (F3) este filtrul local HMM Forward. Fiecare dintre primele trei
stages folosește profilul HMM în modul local, care permite alinierea unei subsecvențe țintă la care
orice regiune a HMM. Etapa 4 (F4) este un filtru HMM glocal, care necesită o țintă
succesiune pentru a se alinia la profilul de lungime completă HMM. Etapa 5 (F5) este HMM glocal
filtrul de definire a plicului, care utilizează euristicile de identificare a domeniului HMMER3 pentru a defini
limitele plicului. După fiecare etapă de la 2 la 5, o etapă de filtru de polarizare (F2b, F3b, F4b și
F5b) este folosit pentru a elimina secvențele care par să fi trecut de filtru din cauza părtinirii
numai compoziția. Orice plic care supraviețuiește etapelor F1 până la F5b este apoi trecut cu
filtrul local CM CYK. Filtrul CYK folosește constrângeri (benzi) derivate dintr-un HMM
alinierea plicului pentru a reduce numărul de calcule necesare și a economisi timp.
Orice plicuri care trec CYK sunt punctate cu algoritmul local CM Inside, din nou folosind HMM
benzi pentru accelerare.

Pragurile implicite de filtru care definesc scorul minim necesar pentru o secvență ulterioară
supraviețuirea fiecărei etape sunt definite pe baza dimensiunii bazei de date în (sau dimensiunea
în megabaze (Mb) specificate de -Z or --FZ Opțiuni). Pentru baze de date mai mari,
filtrele sunt mai stricte, ceea ce duce la o accelerare mai mare, dar potențial o pierdere mai mare de
sensibilitate. Motivul este că, pentru bazele de date mai mari, accesările trebuie să aibă scoruri mai mari
obține o semnificație statistică, deci o filtrare mai strictă care elimină scorul mai scăzut
lovituri nesemnificative sunt acceptabile.

Pragurile valorii P pentru toate dimensiunile posibile ale spațiului de căutare și toate etapele de filtrare sunt
enumerate în continuare. (Un prag al valorii P de 0.01 înseamnă că aproximativ 1% din cel mai mare scor
se așteaptă ca subsecvența neomologă să treacă prin filtru.) Z este definit ca numărul de
nucleotidele din fișierul complet al secvenței țintă ori de 2 deoarece ambele catene vor fi
căutat cu fiecare model.

Dacă Z este mai mic de 2 Mb: F1 este 0.35; F2 și F2b sunt dezactivate; F3, F3b, F4, F4b și F5 sunt 0.02;
F6 este 0.0001.

Dacă Z este între 2 Mb și 20 Mb: F1 este 0.35; F2 și F2b sunt dezactivate; F3, F3b, F4, F4b și F5
sunt 0.005; F6 este 0.0001.

Dacă Z este între 20 Mb și 200 Mb: F1 este 0.35; F2 și F2b sunt 0.15; F3, F3b, F4, F4b și F5
sunt 0.003; F6 este 0.0001.

Dacă Z este între 200 Mb și 2 Gb: F1 este 0.15; F2 și F2b sunt 0.15; F3, F3b, F4, F4b, F5,
și F5b sunt 0.0008; iar F6 este 0.0001.

Dacă Z este între 2 Gb și 20 Gb: F1 este 0.15; F2 și F2b sunt 0.15; F3, F3b, F4, F4b, F5 și
F5b sunt 0.0002; iar F6 este 0.0001.

Dacă Z este mai mare de 20 Gb: F1 este 0.06; F2 și F2b sunt 0.02; F3, F3b, F4, F4b, F5 și F5b
sunt 0.0002; iar F6 este 0.0001.

Aceste praguri au fost alese pe baza performanței unui benchmark intern care a testat multe
diferite setări posibile.

Există cinci opțiuni pentru controlul nivelului general de filtrare. Aceste opțiuni sunt, în
ordonați de la cel mai puțin strict (cel mai lent, dar cel mai sensibil) la cel mai strict (cel mai rapid, dar cel mai puțin).
sensibil): --max, --nuhmm, -- mijlocul, --Mod implicit, (aceasta este setarea implicită), --rfam. și
--obisnuit. cu --Mod implicit pragurile de filtrare vor fi dependente de dimensiunea bazei de date. Vezi
explicația fiecăreia dintre aceste opțiuni individuale de mai jos pentru mai multe informații.

În plus, un utilizator expert poate controla cu precizie fiecare prag de scor pentru etapa de filtru
il --F1, --F1b, --F2, --F2b, --F3, --F3b, --F4, --F4b, --F5, --F5b, și --F6 Opțiuni. La fel de
precum și porniți sau opriți fiecare etapă cu --noF1, --doF1b, --noF2, --noF2b, --noF3,
--noF3b, --noF4, --noF4b, --noF5, și --noF6. Opțiuni. Aceste opțiuni sunt doar afișate
dacă --devhelp opțiunea este folosită pentru a păstra numărul de opțiuni afișate cu -h
rezonabile și pentru că se așteaptă să fie utile doar unei mici minorități de utilizatori.

Ca caz special, pentru orice model din care au zero perechi de baze, profil HMM
căutările sunt efectuate în locul căutărilor CM. Algoritmii HMM sunt mai eficienți decât CM
algoritmi, iar beneficiul algoritmilor CM este pierdut pentru modelele fără secundar
structura (zero perechi de baze). Aceste căutări de profil HMM vor rula semnificativ mai repede decât
CM caută. Puteți forța căutările numai HMM cu ajutorul --obisnuit opțiune. Pentru mai mult
informații despre căutările numai HMM vezi descrierea --obisnuit opțiunea de mai jos și
ghidul utilizatorului.

--max Dezactivați toate filtrele și rulați Inside fără benzi pe fiecare țintă de lungime completă
secvenţă. Acest lucru crește oarecum sensibilitatea, la un cost extrem de mare în viteză.

--nuhmm
Opriți toate etapele filtrului HMM (de la F1 la F5b). Filtrul CYK, folosind QDB-uri, va
va fi rulat pe fiecare secvență țintă de lungime completă și va impune un prag de valoare P de
0.0001. Fiecare subsecvență care supraviețuiește CYK va fi transmisă la Inside, care va fi
utilizați și QDB-uri (dar un set mai liber). Acest lucru crește oarecum sensibilitatea, la un nivel foarte ridicat
cost mare în viteză.

--mijlocul Opriți etapele de filtrare HMM SSV și Viterbi (de la F1 la F2b). Setați HMM rămas
pragurile de filtrare (F3 prin F5b) la 0.02 în mod implicit, dar modificabile la cu
--Fmid secvenţă. Acest lucru poate crește sensibilitatea, cu un cost semnificativ în viteză.

--Mod implicit
Utilizați strategia de filtrare implicită. Această opțiune este activată în mod implicit. Filtrul
pragurile sunt determinate pe baza dimensiunii bazei de date.

--rfam Utilizați o strategie de filtrare strictă concepută pentru baze de date mari (mai mult de 20 Gb). Acest
va accelera căutarea cu un cost potențial pentru sensibilitate. Va avea nu
efect dacă baza de date este mai mare de 20 Gb.

--obisnuit
Utilizați numai profilul de filtru HMM pentru căutări, nu folosiți CM. Doar filtru
etapele de la F1 la F3 vor fi executate, folosind praguri stricte de valoare P (0.02 pentru
F1, 0.001 pentru F2 și 0.00001 pentru F3). În plus, un filtru de compoziție de polarizare este
utilizat după stadiul F1 (cu P=0.02 prag de supraviețuire). Orice lovitură care supraviețuiește
toate etapele și are o valoare HMM E sau un scor de biți peste pragul de raportare
fi ieșit. Utilizatorul poate modifica pragurile și opțiunile de filtru numai HMM cu
--hmmF1, --hmmF2, --hmmF3, --hmmnobias, --hmmnonull2, și --hmmmax. În mod implicit,
căutările pentru orice model cu zero perechi de bază vor fi executate în modul numai HMM. Acesta poate
fi dezactivat, forțând CM să caute aceste modele cu --nu de obicei opțiune.
Aceste opțiuni sunt afișate numai dacă --devhelp este folosită opțiunea.

--FZ
Setați pragurile de filtrare ca valori implicite utilizate dacă baza de date ar fi fost megabaze (Mb).
Dacă este folosit cu mai mare de 20000 (20 Gb) această opțiune are același efect ca
--rfam.

--Fmid
Cu --mijlocul opțiunea setați pragurile filtrului HMM (F3 până la F5b) la . By
Mod implicit, este 0.02.

ALTE OPŢIUNI

--notrunc
Dezactivați detectarea loviturilor trunchiate.

--orice trunchiu
Permite hit-urilor trunchiate să înceapă și să se termine în orice poziție dintr-o secvență țintă. De
implicit, hit-urile trunchiate de 5' trebuie să includă primul reziduu al secvenței lor țintă
iar hit-urile trunchiate 3' trebuie să includă restul final al secvenței lor țintă. Cu
această opțiune este posibil să observați mai puține lovituri de lungime completă care se extind până la început și
sfârşitul interogării CM.

--nonull3
Dezactivați corecțiile scorului null3 CM pentru compoziția părtinitoare. Această corecție este
nu este utilizat în timpul etapelor de filtrare HMM.

--mxsize
Setați dimensiunea maximă admisă a matricei CM DP la megaocteți. În mod implicit, această dimensiune
este de 128 Mb. Acesta ar trebui să fie suficient de mare pentru marea majoritate a căutărilor,
mai ales la modele mai mici. Dacă cmsearch întâlnește un plic în CYK sau
În interiorul etapei care necesită o matrice mai mare, din plicul va fi redus
considerare. Acest comportament este ca un filtru suplimentar care previne costisitoare
(lent) calcule CM DP, dar cu un cost potențial pentru sensibilitate. Rețineți că dacă
cmsearch este rulat fire multiple pe o mașină multicore, apoi fiecare
firul poate avea o matrice alocată de până la dimensiune Mb la un moment dat.

--smxsize
Setați dimensiunea maximă admisă a matricei DP de căutare CM la megaocteți. În mod implicit
această dimensiune este de 128 Mb. Această opțiune este relevantă numai dacă CM nu va folosi HMM
matrici cu benzi, adică dacă --max, --nuhmm, --qdb, --fqdb, --fără bandă, or
--fnonbanded sunt folosite și opțiuni. Rețineți că dacă cmsearch este rulat
mai multe fire de execuție pe o mașină multicore, atunci fiecare fir de execuție poate avea un alocat
matrice de până la dimensiune Mb la un moment dat.

--cyk Utilizați algoritmul CYK, nu Inside, pentru a determina scorul final al tuturor hit-urilor.

--acyk Utilizați algoritmul CYK pentru a alinia hit-urile. În mod implicit, precizia optimă Durbin/Holmes
este utilizat algoritmul care găsește alinierea care maximizează precizia așteptată
a tuturor reziduurilor aliniate.

--wcx
Pentru fiecare CM, setați parametrul W, lungimea maximă așteptată a unei lovituri, la
ori lungimea consensului a modelului. În mod implicit, parametrul W este citit din
fișierul CM și a fost calculat pe baza probabilităților de tranziție ale modelului
by cmbuild. Puteți afla care este W implicit pentru un model care utilizează cmstat. Acest
opțiunea ar trebui utilizată cu precauție, deoarece afectează conducta de filtrare la câteva
diferite etape în moduri neevidente. Este recomandat doar utilizatorilor experți
căutând hit-uri care sunt mult mai lungi decât oricare dintre omologii utilizați pentru a construi
model în cmbuild, ex. cele cu introni mari sau alte inserții mari. Acest
opțiunea nu poate fi utilizată în combinație cu --nuhmm, --fqdb or --qdb Opțiuni
deoarece în acele cazuri W este limitat de benzi dependente de interogare.

--toponly
Căutați numai partea superioară (Watson) a secvențelor țintă în . În mod implicit,
se caută ambele fire. Aceasta va reduce la jumătate dimensiunea bazei de date (Z).

--în jos
Căutați numai partea de jos (Crick) a secvențelor țintă în . În mod implicit,
se caută ambele fire. Aceasta va reduce la jumătate dimensiunea bazei de date (Z).

--tformat
Afirmați că fișierul baza de date a secvenței țintă este în format . Formate acceptate
include fasta, embl, Genbank, ddbj, Stockholm, pfam, a2m, afa, clustal, și phylip
Implicit este detectarea automată a formatului fișierului.

--CPU
Setați numărul de fire de lucru paralele la . În mod implicit, Infernal setează acest lucru
la numărul de nuclee CPU pe care le detectează în mașina dvs. - adică, încearcă
maximizați utilizarea nucleelor ​​de procesor disponibile. Setare mai mare decât
numărul de nuclee disponibile are o valoare mică sau deloc, dar poate doriți să îl setați
ceva mai putin. De asemenea, puteți controla acest număr setând un mediu
variabilă, INFERNAL_NCPU. Această opțiune este disponibilă numai dacă Infernal a fost compilat
cu suport pentru fire POSIX. Acesta este implicit, dar este posibil să fi fost dezactivat la
timp de compilare pentru site-ul sau mașina dvs. dintr-un motiv oarecare.

--stand
Pentru depanarea versiunii MPI master/worker: întrerupeți după pornire, pentru a activa
dezvoltator să atașeze dispozitive de depanare la procesele master și worker(i) care rulează. Trimite
Semnal SIGCONT pentru a elibera pauza. (Sub gdb: (gdb) semnal SIGCONT) (Numai
disponibil dacă suportul opțional MPI a fost activat la compilare.)

--mpi Rulați în modul MPI master/worker, folosind mpirun. A folosi --mpi, fişierul de secvenţă trebuie
au fost mai întâi „indexate” folosind esl-sfetch program, care este inclus cu
Infernal, în șevalet/miniaplicații/ subdirectorul. (Disponibil numai dacă MPI opțional
suportul a fost activat la compilare.)

Utilizați cmsearch online folosind serviciile onworks.net