cmalign - Online sa Cloud

PROGRAMA:

NAME

cmalign - ihanay ang mga sequence sa isang covariance model

SINOPSIS

cmalign
[mga pagpipilian]

DESCRIPTION

cmalign aligns ang RNA sequence in sa covariance model (CM) sa .
Ang bagong alignment ay output sa stdout sa format na Stockholm, ngunit maaaring i-redirect sa isang file
sa -o pagpipilian.

Alinman or (ngunit hindi pareho) ay maaaring '-' (gitling), na nangangahulugang pagbabasa nito
input mula sa si stdin sa halip na isang file.

Ang sequence file dapat nasa FASTA o Genbank na format.

cmalign gumagamit ng HMM banding technique para mapabilis ang alignment bilang default gaya ng inilarawan
sa ibaba para sa --hbanded opsyon. Maaaring i-off ang HMM banding gamit ang --nonbanded pagpipilian.

Sa pamamagitan ng default, cmalign kinakalkula ang pagkakahanay na may pinakamataas na inaasahang katumpakan iyon ay
pare-pareho sa mga hadlang (mga banda) na nagmula sa isang HMM, gamit ang isang banded na bersyon ng
Durbin/Holmes pinakamainam na katumpakan algorithm. Ang pag-uugali na ito ay maaaring mabago sa --cyk or
--sampol mga pagpipilian.

cmalign nangangailangan ng espesyal na pangangalaga upang wastong ihanay ang mga pinutol na pagkakasunud-sunod, kung saan ang ilang mga nucleotide
mula sa simula (5') at/o dulo (3') ng aktwal na buong haba ng biological sequence ay
wala sa input sequence (tingnan ang DL Kolbe at SR Eddy, Bioinformatics, 25:1236-1243,
2009). Naka-on ang gawi na ito bilang default, ngunit maaaring i-off gamit ang --notrunc. Sa nakaraan
mga bersyon ng cmalign ang --sub kinailangan ang opsyon upang maayos na mahawakan ang pinutol
mga pagkakasunod-sunod. Ang --sub available pa rin ang opsyon sa bersyong ito, ngunit ang bagong default na paraan
para sa paghawak ng mga pinutol na pagkakasunud-sunod ay dapat na kasinghusay o higit na mataas sa sub method sa halos
lahat ng kaso.

Ang --mamali ang opsyon ay nagbibigay-daan sa pagsasama ng nakapirming pagkakahanay sa pagsasanay na ginamit upang buuin ang
CM mula sa file sa loob ng pagkakahanay ng output ng cmalign.

Posibleng pagsamahin ang dalawa o higit pang alignment na ginawa ng parehong CM gamit ang Easel
miniapp esl-alimerge (kasama sa easel/miniapps/ subdirectory ng Infernal). Nakaraang
mga bersyon ng cmalign kasama ang mga opsyon para pagsamahin ang mga alignment ngunit hindi na ginagamit ang mga ito
pag-unlad ng esl-alimerge, na higit na mas mahusay sa memorya.

Sa pamamagitan ng default, cmalign ay maglalabas ng pagkakahanay sa stdout. Maaaring i-redirect ang pagkakahanay
sa isang output file sa -o opsyon. Sa -o, impormasyon sa bawat nakahanay
pagkakasunud-sunod, kasama ang marka at mga hangganan ng pagkakahanay ng modelo ay ipi-print sa stdout (more
dito sa ibaba).

Ang output alignment ay magiging sa Stockholm format bilang default. Maaari itong palitan ng Pfam,
naka-align na FASTA (AFA), A2M, Clustal, o Phylip na format gamit ang --outformat pagpipilian,
saan ay ang pangalan ng nais na format. Bilang isang espesyal na kaso, kung ang output alignment
ay malaki (higit sa 10,000 sequence o higit sa 10,000,000 kabuuang nucleotides) kaysa sa
Ang format ng output ay magiging Pfam na format, na ang bawat sequence ay lalabas sa isang linya, para sa
mga dahilan ng kahusayan ng memorya. Para sa mga alignment na mas malaki kaysa dito, gamit ang --umalis ako pipilitin
interleaved Stockholm format, ngunit ang user ay dapat magkaroon ng kamalayan na ito ay maaaring mangailangan ng maraming
memorya. --umalis ako gagana lang para sa mga alignment hanggang sa 100,000 sequence o 100,000,000
kabuuang nucleotides.

Kung ang format ng pag-align ng output ay Stockholm o Pfam, magiging alignment ang output
may annotated na posterior probabilities na tinatantya ang antas ng kumpiyansa ng bawat nakahanay
nucleotide. Lumilitaw ang anotasyong ito bilang mga linyang nagsisimula sa "#=GR PP", isa bawat
pagkakasunod-sunod, ang bawat isa ay nasa ibaba kaagad ng katumbas na nakahanay na pagkakasunud-sunod " ".
Ang mga character sa mga linya ng PP ay may 12 posibleng halaga: "0-9", "*", o ".". Kung ".", ang posisyon
tumutugma sa isang puwang sa pagkakasunud-sunod. Ang halaga ng "0" ay nagpapahiwatig ng posterior na posibilidad ng
sa pagitan ng 0.0 at 0.05, "1" ay nagpapahiwatig sa pagitan ng 0.05 at 0.15, "2" ay nagpapahiwatig sa pagitan ng 0.15 at
0.25 at iba pa hanggang sa "9" na nagsasaad sa pagitan ng 0.85 at 0.95. Ang halaga ng "*" ay nagpapahiwatig ng a
posterior probability na nasa pagitan ng 0.95 at 1.0. Ang mas mataas na posterior probabilities ay tumutugma
sa higit na kumpiyansa na nabibilang ang nakahanay na nucleotide kung saan ito lumilitaw sa
pagkakahanay. Sa --nonbanded, ang pagkalkula ng posterior probabilities ay isinasaalang-alang ang lahat
posibleng pagkakahanay ng target na sequence sa CM. Kung wala --nonbanded (ibig sabihin, sa default
mode), ang pagkalkula ay isinasaalang-alang lamang ang mga posibleng pagkakahanay sa loob ng mga HMM band. Dagdag pa,
ang posterior probabilities ay may kondisyon sa truncation mode ng alignment. Para sa
halimbawa, kung ang pagkakahanay ng pagkakasunud-sunod ay pinutol ng 5', ang halaga ng PP na "9" ay nagpapahiwatig sa pagitan ng
Kasama sa 0.85 at 0.95 ng lahat ng 5' truncated alignment ang ibinigay na nucleotide sa ibinigay na
posisyon. Maaaring i-off ang posterior annotation gamit ang --walang problema pagpipilian Kung --maliit
naka-enable, dapat ding i-off ang posterior annotation gamit ang --walang problema.

Ang tabular na output na naka-print sa stdout kung ang -o Ang opsyon na ginagamit ay may kasamang isang linya
bawat sequence at labindalawang field bawat linya: "idx": ang index ng sequence sa input
file, "seq name": ang sequence name; "haba": ang haba ng pagkakasunod-sunod; "cm mula sa" at
"cm to": ang mga posisyon ng pagsisimula at pagtatapos ng modelo ng pagkakahanay; "trunc": "no" kung ang sequence
ay hindi pinutol, "5'" kung ang simula ng sequence ay pinutol 5', "3'" kung ang dulo ng
ang pagkakasunod-sunod ay pinutol, at "5'&3'" kung pareho ang simula at dulo ay pinutol;
"bit sc": ang bit score ng alignment, "avg pp" ang average na posterior probability ng
lahat ng nakahanay na nucleotides sa pagkakahanay; "band calc", "alignment" at "total": ang oras
sa mga segundo na kinakailangan para sa pagkalkula ng mga HMM band, pag-compute ng alignment, at pagkumpleto
pagproseso ng pagkakasunud-sunod, ayon sa pagkakabanggit; "mem (Mb)": ang laki sa Mb ng lahat ng dynamic
mga programming matrice na kinakailangan para sa pag-align ng sequence. Maaaring i-save ang tabular data na ito
mag file sa --sfile pagpipilian.

Opsyon

-h Tulong; mag-print ng maikling paalala ng paggamit ng command line at mga available na opsyon.

-o I-save ang alignment sa Stockholm format sa isang file . Ang default ay isulat ito
sa karaniwang output.

-g I-configure ang modelo para sa pandaigdigang pagkakahanay ng modelo ng query sa target
mga pagkakasunod-sunod. Bilang default, naka-configure ang modelo para sa lokal na pagkakahanay. Lokal
ang mga alignment ay maaaring maglaman ng malalaking pagsingit at pagtanggal na tinatawag na "mga lokal na dulo" sa
istraktura na dapat parusahan nang iba kaysa sa mga normal na indel. Ang mga ito ay may anotasyon bilang
"~" na mga column sa RF line ng alignment ng output. Ang -g maaaring gamitin ang pagpipilian upang
huwag payagan ang mga lokal na layuning ito. Ang -g kailangan ang opsyon kung ang --sub ang pagpipilian ay din
ginagamit.

Opsyon PARA SA KONTROL ANG ALIGNMENT ALGORITMO

--optacc
I-align ang mga pagkakasunud-sunod gamit ang Durbin/Holmes optimal accuracy algorithm. Ito ang
default. Ang pinakamainam na pagkakahanay ng katumpakan ay pipigilan ng mga HMM band para sa
acceleration maliban kung ang --nonbanded pinagana ang opsyon. Ang pinakamainam na katumpakan
Tinutukoy ng algorithm ang pagkakahanay na nagpapalaki sa posterior probabilities ng
ang nakahanay na mga nucleotide sa loob nito. Ang posterior probabilites ay tinutukoy gamit
(posibleng HMM banded) na mga variant ng Inside at Outside algorithm.

--cyk Huwag gamitin ang Durbin/Holmes na pinakamainam na pagkakahanay sa katumpakan upang ihanay ang mga pagkakasunud-sunod,
sa halip ay gamitin ang CYK algorithm na tumutukoy sa pinakamainam na pagmamarka (maximum
posibilidad) na pagkakahanay ng pagkakasunud-sunod sa modelo, na ibinigay sa mga banda ng HMM (maliban kung
--nonbanded ay pinagana rin).

--sampol
Sample ng alignment mula sa posterior distribution ng alignment. Ang hulihan
ang pamamahagi ay tinutukoy gamit ang isang HMM banded (maliban kung --nonbanded) iba-iba ng
Sa loob ng algorithm.

--binhi
Binhi ang random number generator gamit ang , isang integer >= 0. Ang pagpipiliang ito ay maaari lamang
gamitin sa kumbinasyon ng --sampol. If ay nonzero, stochastic sampling ng
ang mga pagkakahanay ay maaaring kopyahin; ang parehong utos ay magbibigay ng parehong mga resulta. Kung
ay 0, ang generator ng random na numero ay na-seed nang arbitraryo, at stochastic
ang mga sampling ay maaaring mag-iba mula sa run hanggang run ng parehong command. Ang default na binhi ay 181.

--notrunc
I-off ang mga truncated alignment algorithm. Ang lahat ng mga sequence sa input file ay magiging
ipinapalagay na buong haba, maliban kung --sub ay ginagamit din, kung saan ang programa ay maaaring
humahawak pa rin ng mga pinutol na pagkakasunud-sunod ngunit gagamit ng alternatibong diskarte para sa kanila
pagkakahanay

--sub I-on ang sub model construction at alignment procedure. Para sa bawat pagkakasunod-sunod, isang
Unang ginamit ang HMM para mahulaan ang mga column ng pagsisimula at pagtatapos ng modelo, at isang bago
Ang sub CM ay binuo na nagmomodelo lamang ng mga column ng consensus mula simula hanggang katapusan. Ang
Ang pagkakasunud-sunod ay pagkatapos ay nakahanay sa sub CM na ito. Ang sub alignment ay isang mas lumang paraan kaysa sa
default na isa para sa pag-align ng mga sequence na posibleng pinutol. Bilang default, cmalign
gumagamit ng mga espesyal na algorithm ng DP upang mahawakan ang mga pinutol na pagkakasunud-sunod na dapat ay higit pa
tumpak kaysa sa sub method sa karamihan ng mga kaso. --sub ay kasama pa rin bilang isang opsyon
higit sa lahat para sa pagsubok laban sa default na truncated sequence handling na ito. Ang "sub CM" na ito
ang pamamaraan ay hindi katulad ng mga "sub CM" na inilarawan nina Weinberg at Ruzzo.

Opsyon PARA SA KONTROL Pabilisin AT ALAALA MGA KINAKAILANGAN

--hbanded
Naka-on ang opsyong ito bilang default. Pabilisin ang pagkakahanay sa pamamagitan ng pagputol ng mga rehiyon
ng CM DP matrix na itinuring na bale-wala ng isang HMM. Una, ang bawat sequence ay
nakapuntos ng CM plan 9 HMM na hinango mula sa CM gamit ang Forward at Backward HMM
algorithm upang makalkula ang posterior probabilities na ang bawat nucleotide ay nakahanay sa bawat isa
estado ng HMM. Ang mga posterior probabilities na ito ay ginagamit upang makakuha ng mga hadlang
(mga banda) sa CM DP matrix. Sa wakas, ang target na sequence ay nakahanay sa CM
gamit ang banded DP matrix, kung saan ang mga cell sa labas ng mga banda ay binabalewala.
Kadalasan ang karamihan sa buong DP matrix ay nasa labas ng mga banda (kadalasan ay higit sa 95%),
ginagawang mas mabilis ang diskarteng ito dahil mas kaunting mga kalkulasyon ng DP ang kinakailangan, at higit pa
memory efficient dahil ang mga cell lamang sa loob ng mga banda ang kailangang ilaan.

Ang mahalaga, isinasakripisyo ng HMM banding ang garantiya ng pagtukoy sa pinakamainam
accurarte o pinakamainam na pagkakahanay, na mapapalampas kung ito ay nasa labas ng mga banda.
Ang tau paramater ay ang dami ng probability mass na itinuturing na bale-wala sa panahon
Pagkalkula ng HMM band; Ang mas mababang mga halaga ng tau ay nagbubunga ng mas malalaking speedup ngunit mas malaki rin
pagkakataong mawala ang pinakamainam na pagkakahanay. Ang default na tau ay 1E-7, natukoy
empirically bilang isang magandang tradeoff sa pagitan ng sensitivity at bilis, kahit na ang halagang ito ay maaari
mabago sa --tau opsyon. Ang antas ng acceleration ay tumataas nang may
parehong haba at pangunahing sequence conservation level ng pamilya. Halimbawa,
na may default na tau ng 1E-7, mga modelo ng tRNA (mababa ang pangunahing sequence conservation na may
haba ng mga 75 nucleotides) ay nagpapakita ng tungkol sa 10X acceleration, at SSU bacterial rRNA
mga modelo (mataas na pangunahing sequence conservation na may haba na humigit-kumulang 1500 nucleotides)
ipakita ang tungkol sa 700X. Maaaring i-off ang HMM banding gamit ang --nonbanded pagpipilian.

--tau
Itakda ang posibilidad ng pagkawala ng buntot na ginamit sa pagkalkula ng HMM band sa . Ito ang
dami ng probability mass sa loob ng HMM posterior probabilities na
itinuturing na bale-wala. Ang default na halaga ay 1E-7. Sa pangkalahatan, magiging mas mataas ang mga halaga
magreresulta sa mas malaking acceleration, ngunit dagdagan ang pagkakataong mawala ang pinakamainam
alignment dahil sa HMM bands.

--mxsize
Itakda ang maximum na pinapayagang kabuuang laki ng DP matrix sa megabytes. Bilang default ito
ang laki ay 1028 Mb. Ito ay dapat na sapat na malaki para sa karamihan ng mga pagkakahanay,
gayunpaman kung hindi cmalign ay susubukang paulit-ulit na higpitan ang mga HMM band nito
ginagamit upang hadlangan ang pagkakahanay sa pamamagitan ng pagtaas ng tau parameter at muling pagkalkula ng
banda hanggang sa bumaba sa ibaba ang kabuuang sukat ng matrix na kailangan megabytes o ang maximum
pinahihintulutang halaga ng tau (0.05 bilang default, ngunit nababago sa --maxtau) ay naabot. Sa
bawat pag-ulit ng paghigpit ng banda, ang tau ay pinarami ng 2.0. Ang paghigpit ng banda
ang diskarte ay maaaring patayin gamit ang --fixedtau opsyon. Kung ang pinakamataas na tau ay
naabot at ang kinakailangang laki ng matrix ay lumampas pa rin o kung ang HMM banding ay hindi
ginagamit at lumampas ang kinakailangang laki ng matrix pagkatapos cmalign lalabas
nang maaga at mag-ulat ng mensahe ng error na lumampas ang matrix sa maximum nito
pinahihintulutang laki. Sa kasong ito, ang --mxsize ay maaaring gamitin upang taasan ang limitasyon sa laki o
ang maximum na tau ay maaaring itaas sa --maxtau. Karaniwang lalampasan ang limitasyon
kapag ang --nonbanded ang opsyon ay ginagamit nang walang --maliit opsyon, ngunit maaari pa ring mangyari
kailan --nonbanded ay hindi ginagamit. Tandaan na kung cmalign ay pinapasok maramihang
mga thread sa isang multicore machine pagkatapos ang bawat thread ay maaaring may nakalaan na matrix ng up
sa laki Mb sa anumang oras.

--fixedtau
I-off ang HMM band tightening strategy na inilalarawan sa paliwanag ng
--mxsize pagpipilian sa itaas.

--maxtau
Itakda ang maximum na pinapayagang halaga para sa tau sa panahon ng paghigpit ng banda, na inilarawan sa
pagpapaliwanag ng --mxsize sa itaas, sa . Bilang default, ang halagang ito ay 0.05.

--nonbanded
Ino-off ang HMM banding. Ang ibinalik na pagkakahanay ay ginagarantiyahan sa buong mundo
mahusay na tumpak ang isa (bilang default) o ang pandaigdigang mahusay na pagmamarka ng isa (kung --cyk
ay pinagana). Ang --maliit ang opsyon ay inirerekomenda kasama ng opsyong ito,
dahil ang karaniwang pagkakahanay na walang HMM banding ay nangangailangan ng maraming memorya (tingnan
--maliit ).

--maliit
Gamitin ang divide and conquer CYK alignment algorithm na inilarawan sa SR Eddy, BMC
Bioinformatics 3:18, 2002. Ang --nonbanded dapat gamitin ang opsyon kasama ng
mga pagpipiliang ito. Gayundin, inirerekomenda ito sa tuwing --nonbanded ginagamit yan --maliit is
ginagamit din dahil ang karaniwang CM alignment na walang HMM banding ay nangangailangan ng maraming
memorya, lalo na para sa malalaking RNA. --maliit nagbibigay-daan sa CM alignment sa loob ng praktikal
mga limitasyon ng memorya, binabawasan ang memorya na kinakailangan para sa pag-align ng LSU rRNA, ang pinakamalaki
mga kilalang RNA, mula 150 Gb hanggang mas mababa sa 300 Mb. Magagamit lang ang opsyong ito sa
kumbinasyon sa --nonbanded, --notrunc, at --cyk.

OPSYONAL oUTPUT MGA FILE

--sfile
Dump per-sequence alignment score at timig information to file . Ang format ng
ang file na ito ay inilarawan sa itaas (ito ay ang parehong data sa parehong format ng tabular
stdout output kapag ang -o ginagamit ang opsyon).

--tfile
Dump tabular sequence tracebacks para sa bawat indibidwal na sequence sa isang file .
Pangunahing kapaki-pakinabang para sa pag-debug.

--ifile
Dump per-sequence insert information to file . Ang format ng file ay
inilarawan ng "#"-prefixed na mga linya ng komento na kasama sa tuktok ng file . Ang
ipasok ang impormasyon ay wasto kahit na ang --matchonly ginagamit ang opsyon.

--elfile
Dump per-sequence EL state (local end) insert information to file . Ang format
ng file ay inilalarawan ng "#"-prefixed na mga linya ng komento na kasama sa tuktok ng
file . Ang insert na impormasyon ng EL ay may bisa kahit na ang --matchonly Ang opsyon ay
ginagamit.

OTHER Opsyon

--mamali
Binabasa ang pagkakahanay mula sa file ginamit upang buuin ang modelo ay nakahanay ito bilang isang solong
tumutol sa CM; hal. ang pagkakahanay sa ay gaganapin naayos. Ito ay nagpapahintulot sa iyo na
ihanay ang mga pagkakasunud-sunod sa isang modelo na may cmalign at tingnan ang mga ito sa konteksto ng isang umiiral na
pinagkakatiwalaang multiple alignment. dapat ang alignment file na ginawa ng CM
mula sa. Bine-verify ng program na ang checksum ng file ay tumutugma sa file
ginamit upang bumuo ng CM. Ang isang katulad na opsyon sa isang ito ay tinawag --withali in
nakaraang mga bersyon ng cmalign.

--mapstr
Dapat gamitin kasama ng --mamali . Ipanukala ang impormasyon sa istruktura
para sa anumang mga pseudoknot na umiiral sa sa pagkakahanay ng output. Isang katulad na opsyon sa
ito ay tinawag --withstr sa mga nakaraang bersyon ng cmalign.

--impormasyon
Igiit na ang input ay nasa format . Huwag patakbuhin ang format na Babelfish
autodection. Medyo pinapataas nito ang pagiging maaasahan ng programa, dahil ang
Ang Babelfish ay maaaring magkamali; partikular na inirerekomenda para sa hindi nag-aalaga, mataas na
throughput run ng Infernal. Ang mga katanggap-tanggap na format ay: FASTA, GENBANK, at DDBJ.
ay case-insensitive.

--outformat
Tukuyin ang format ng pag-align ng output bilang . Ang mga katanggap-tanggap na format ay: Pfam, AFA,
A2M, Clustal, at Phylip. Ang AFA ay mabilis na nakahanay. Tanging ang pagkakahanay ng Pfam at Stockholm
ang mga format ay magsasama ng consensus structure annotation at posterior probability
anotasyon ng mga nakahanay na nalalabi.

--dnaout
I-output ang mga alignment bilang mga alignment ng DNA sequence, sa halip na mga RNA.

--walang problema
Huwag i-annotate ang pagkakahanay ng output sa mga posterior probabilities.

--matchonly
Isama lang ang mga column ng tugma sa alignment ng output, huwag isama ang anumang mga insertion
kaugnay sa modelo ng pinagkasunduan. Maaaring maging kapaki-pakinabang ang opsyong ito kapag gumagawa ng napakalaki
mga pagkakahanay na nangangailangan ng maraming memorya at puwang sa disk, na karamihan ay kinakailangan
upang harapin lamang ang mga insert na column na mga gaps sa karamihan ng mga sequence.

--umalis ako
I-output ang alignment sa interleaved Stockholm format ng isang nakapirming lapad na maaaring
mas maginhawa para sa pagsusuri. Ito ang default na format ng pag-align ng output ng
nakaraang mga bersyon ng cmalign. Tandaan na ang cmalign nangangailangan ng higit pang memorya kapag ito
ginagamit ang opsyon. Dahil dito, --umalis ako gagana lamang para sa mga pagkakahanay ng hanggang sa
100,000 sequence o kabuuang 100,000,000 aligned nucleotides.

--uurong
Mag-save ng karagdagang kopya ng pagkakahanay ng output nang walang impormasyon ng may-akda na isasampa
.

--verbose
Mag-output ng karagdagang impormasyon sa output ng mga marka ng tabular (output sa stdout kung -o
ay ginagamit, o sa if --sfile Ginagamit). Ang mga ito ay pangunahing kapaki-pakinabang para sa pagsubok at
pag-debug

--cpu
Tukuyin iyon parallel na manggagawa ng CPU ang gagamitin. Kung ay nakatakda bilang "0", pagkatapos ay ang
Ang programa ay tatakbo sa serial mode, nang hindi gumagamit ng mga thread. Maaari mo ring kontrolin
ang numerong ito sa pamamagitan ng pagtatakda ng environment variable, INFERNAL_NCPU. Ang pagpipiliang ito ay
magagamit lamang kung ang makina kung saan itinayo ang Infernal ay may kakayahang gamitin
POSIX threading (tingnan ang seksyong Pag-install ng gabay sa gumagamit para sa higit pa
impormasyon).

--mpi Patakbuhin bilang isang MPI parallel program. Magiging available lang ang opsyong ito kung mayroon ang Infernal
na-configure at binuo gamit ang flag na "--enable-mpi" (tingnan ang Installation
seksyon ng gabay sa gumagamit para sa higit pang impormasyon).

Gamitin ang cmalign online gamit ang mga serbisyo ng onworks.net