cmalign - Trực tuyến trên đám mây

CHƯƠNG TRÌNH:

TÊN

cmalign - căn chỉnh các trình tự thành một mô hình hiệp phương sai

SYNOPSIS

căn chỉnh cm
[tùy chọn]

MÔ TẢ

căn chỉnh cm sắp xếp các trình tự RNA trong với mô hình hiệp phương sai (CM) trong .
Căn chỉnh mới được xuất thành tiêu chuẩn ở định dạng Stockholm, nhưng có thể được chuyển hướng đến một tệp
với -o tùy chọn.

Hay or (nhưng không phải cả hai) có thể là '-' (gạch ngang), có nghĩa là đọc cái này
đầu vào từ tiêu chuẩn chứ không phải là một tệp.

Tệp trình tự phải ở định dạng FASTA hoặc Genbank.

căn chỉnh cm sử dụng kỹ thuật dải HMM để tăng tốc căn chỉnh theo mặc định như được mô tả
dưới đây cho - bị bỏ rơi lựa chọn. Có thể tắt dải HMM với - không bị bó tùy chọn.

Theo mặc định, căn chỉnh cm tính toán sự liên kết với độ chính xác dự kiến ​​tối đa là
phù hợp với các ràng buộc (dải) bắt nguồn từ HMM, sử dụng phiên bản theo dải của
Thuật toán độ chính xác tối ưu Durbin / Holmes. Hành vi này có thể được thay đổi với --cyk or
--mẫu vật tùy chọn.

căn chỉnh cm đặc biệt chú ý để sắp xếp chính xác các trình tự bị cắt ngắn, trong đó một số nucleotide
từ đầu (5 ') và / hoặc kết thúc (3') của trình tự sinh học có độ dài thực tế là
không có trong trình tự đầu vào (xem DL Kolbe và SR Eddy, Tin sinh học, 25: 1236-1243,
Năm 2009). Hành vi này được bật theo mặc định, nhưng có thể bị tắt bằng --cấu trúc. Ở trước
phiên bản của căn chỉnh cm các --phụ tùy chọn được yêu cầu để xử lý một cách thích hợp
trình tự. Các --phụ tùy chọn vẫn có sẵn trong phiên bản này, nhưng phương pháp mặc định mới
để xử lý các trình tự bị cắt ngắn phải tốt hoặc vượt trội hơn so với phương thức phụ trong gần như
Mọi trường hợp.

Sản phẩm --mapali tùy chọn cho phép bao gồm liên kết đào tạo cố định được sử dụng để xây dựng
CM từ tệp trong sự liên kết đầu ra của cmalign.

Có thể hợp nhất hai hoặc nhiều căn chỉnh được tạo bởi cùng một CM bằng cách sử dụng Giá vẽ
ứng dụng nhỏ esl-alimerge (có trong giá vẽ / miniapps / thư mục con của Infernal). Trước
phiên bản của căn chỉnh cm bao gồm các tùy chọn để hợp nhất các căn chỉnh nhưng chúng không được dùng nữa
sự phát triển của esl-alimerge, đó là hiệu quả bộ nhớ hơn đáng kể.

Theo mặc định, căn chỉnh cm sẽ xuất căn chỉnh thành stdout. Căn chỉnh có thể được chuyển hướng
đến một tệp đầu ra với -o Lựa chọn. Với -ồ, thông tin trên mỗi căn
trình tự, bao gồm điểm số và ranh giới căn chỉnh mô hình sẽ được in ra stdout (thêm
trên này bên dưới).

Căn chỉnh đầu ra sẽ ở định dạng Stockholm theo mặc định. Điều này có thể được thay đổi thành Pfam,
căn chỉnh FASTA (AFA), A2M, Clustal hoặc định dạng Phylip bằng cách sử dụng --định dạng Tùy chọn,
Ở đâu là tên của định dạng mong muốn. Là một trường hợp đặc biệt, nếu căn chỉnh đầu ra
lớn (hơn 10,000 trình tự hoặc hơn 10,000,000 tổng số nucleotide) hơn
định dạng đầu ra sẽ là định dạng Pfam, với mỗi trình tự xuất hiện trên một dòng, cho
lý do của hiệu quả bộ nhớ. Đối với các căn chỉnh lớn hơn này, sử dụng --tôi đã rời đi Bắt buộc
định dạng Stockholm xen kẽ, nhưng người dùng nên lưu ý rằng điều này có thể yêu cầu nhiều
ký ức. --tôi đã rời đi sẽ chỉ hoạt động đối với các căn chỉnh lên đến 100,000 trình tự hoặc 100,000,000
tổng số nucleotit.

Nếu định dạng căn chỉnh đầu ra là Stockholm hoặc Pfam, thì căn chỉnh đầu ra sẽ là
được chú thích với các xác suất sau ước tính mức độ tin cậy của mỗi
nuclêôtit. Chú thích này xuất hiện dưới dạng các dòng bắt đầu bằng "# = GR PP ", mỗi cái
trình tự, mỗi trình tự ngay bên dưới trình tự được căn chỉnh tương ứng " ".
Các ký tự trong dòng PP có 12 giá trị có thể có: "0-9", "*" hoặc ".". Nếu ".", Vị trí
tương ứng với một khoảng trống trong dãy số. Giá trị "0" cho biết xác suất sau của
từ 0.0 đến 0.05, "1" cho biết từ 0.05 đến 0.15, "2" cho biết từ 0.15 đến
0.25 và tương tự cho đến "9" cho biết từ 0.85 đến 0.95. Giá trị "*" cho biết
xác suất hậu môn từ 0.95 đến 1.0. Xác suất sau cao hơn tương ứng
để có độ tin cậy cao hơn rằng nucleotide được căn chỉnh thuộc về nơi nó xuất hiện trong
sự liên kết. Với --băng, việc tính toán các xác suất sau xem xét tất cả
sự liên kết có thể có của chuỗi mục tiêu với CM. Không có - không bị bó (tức là ở chế độ mặc định
), tính toán chỉ xem xét các liên kết có thể có trong các dải HMM. Hơn nữa,
các xác suất sau có điều kiện đối với chế độ cắt ngắn của sự liên kết. Vì
ví dụ: nếu căn chỉnh trình tự bị cắt bớt 5 ', giá trị PP là "9" cho biết giữa
0.85 và 0.95 của tất cả các liên kết cắt ngắn 5 'bao gồm nucleotit đã cho ở
Chức vụ. Chú thích phía sau có thể được tắt bằng --không thành vẫn đề Lựa chọn. Nếu như --nhỏ
được bật, chú thích phía sau cũng phải được tắt bằng cách sử dụng --không thành vẫn đề.

Kết quả đầu ra dạng bảng được in sang stdout nếu -o tùy chọn được sử dụng bao gồm một dòng
trên mỗi chuỗi và mười hai trường trên mỗi dòng: "idx": chỉ số của chuỗi trong đầu vào
file, "seq name": tên trình tự; "length": độ dài của dãy số; "cm từ" và
"cm to": vị trí bắt đầu và kết thúc của mô hình của căn chỉnh; "trunc": "no" nếu chuỗi
không bị cắt ngắn, "5 '" nếu phần đầu của dãy bị cắt bớt 5', "3 '" nếu phần cuối của
trình tự bị cắt ngắn và "5 '& 3'" nếu cả phần đầu và phần cuối đều bị cắt ngắn;
"bit sc": điểm bit của sự liên kết, "pp trung bình" xác suất trung bình sau của
tất cả các nucleotide sắp xếp trong sự liên kết; "band calc", "alignment" và "total": thời gian
trong vài giây cần thiết để tính toán các băng tần HMM, tính toán căn chỉnh và hoàn thành
xử lý trình tự, tương ứng; "mem (Mb)": kích thước tính bằng Mb của tất cả động
ma trận lập trình cần thiết để sắp xếp trình tự. Dữ liệu dạng bảng này có thể được lưu
nộp với --sfile tùy chọn.

LỰA CHỌN

-h Cứu giúp; in lời nhắc ngắn gọn về việc sử dụng dòng lệnh và các tùy chọn có sẵn.

-o Lưu căn chỉnh ở định dạng Stockholm vào một tệp . Mặc định là viết nó
đến đầu ra tiêu chuẩn.

-g Định cấu hình mô hình để liên kết toàn cục của mô hình truy vấn với mục tiêu
trình tự. Theo mặc định, mô hình được định cấu hình để căn chỉnh cục bộ. Địa phương
căn chỉnh có thể chứa các phần chèn và phần xóa lớn được gọi là "phần cuối cục bộ" trong
cấu trúc bị phạt khác với indels bình thường. Chúng được chú thích là
Các cột "~" trong dòng RF của căn chỉnh đầu ra. Các -g tùy chọn có thể được sử dụng để
không cho phép các kết thúc cục bộ này. Các -g tùy chọn là bắt buộc nếu --phụ tùy chọn cũng là
đã sử dụng.

LỰA CHỌN CHO KIỂM SOÁT CÁC NHIỆM VỤ TIẾNG VIỆT

--optacc
Căn chỉnh các trình tự bằng cách sử dụng thuật toán độ chính xác tối ưu Durbin / Holmes. Đây là
vỡ nợ. Căn chỉnh độ chính xác tối ưu sẽ bị hạn chế bởi các băng tần HMM cho
tăng tốc trừ khi - không bị bó tùy chọn được kích hoạt. Độ chính xác tối ưu
thuật toán xác định sự liên kết tối đa hóa các xác suất sau của
các nucleotide được sắp xếp bên trong nó. Các xác suất sau được xác định bằng cách sử dụng
(có thể là dải HMM) các biến thể của thuật toán Bên trong và Bên ngoài.

--cyk Không sử dụng căn chỉnh độ chính xác tối ưu của Durbin / Holmes để căn chỉnh các trình tự,
thay vào đó, hãy sử dụng thuật toán CYK để xác định điểm tối ưu (tối đa
khả năng xảy ra) sự liên kết của trình tự với mô hình, với các dải HMM (trừ khi
- không bị bó cũng được kích hoạt).

--mẫu vật
Lấy mẫu một sự liên kết từ sự phân bố phía sau của các liên kết. Hậu phương
phân phối được xác định bằng cách sử dụng dải HMM (trừ khi - không bị ràng buộc) biến thể của
Thuật toán bên trong.

--hạt giống
Giống như trình tạo số ngẫu nhiên với , một số nguyên> = 0. Tùy chọn này chỉ có thể
được sử dụng kết hợp với --vật mẫu. If là phizero, lấy mẫu ngẫu nhiên của
sự liên kết sẽ được tái tạo; cùng một lệnh sẽ cho kết quả tương tự. Nếu như
là 0, trình tạo số ngẫu nhiên được đặt tùy ý và ngẫu nhiên
các mẫu có thể thay đổi tùy theo từng lần chạy của cùng một lệnh. Hạt giống mặc định là 181.

--notrunc
Tắt các thuật toán căn chỉnh cắt ngắn. Tất cả các trình tự trong tệp đầu vào sẽ là
được giả định là có độ dài đầy đủ, trừ khi --phụ cũng được sử dụng, trong trường hợp đó chương trình có thể
vẫn xử lý các chuỗi bị cắt ngắn nhưng sẽ sử dụng một chiến lược thay thế cho
căn chỉnh.

--phụ Bật quy trình xây dựng và căn chỉnh mô hình phụ. Đối với mỗi trình tự, một
HMM lần đầu tiên được sử dụng để dự đoán các cột đồng thuận bắt đầu và kết thúc của mô hình và
CM phụ được xây dựng để chỉ lập mô hình các cột đồng thuận từ đầu đến cuối. Các
trình tự sau đó được căn chỉnh với CM phụ này. Căn chỉnh phụ là một phương pháp cũ hơn
một mặc định để căn chỉnh các chuỗi có thể bị cắt ngắn. Theo mặc định, căn chỉnh cm
sử dụng các thuật toán DP đặc biệt để xử lý các chuỗi bị cắt ngắn sẽ nhiều hơn
chính xác hơn phương pháp phụ trong hầu hết các trường hợp. --phụ vẫn được bao gồm như một tùy chọn
chủ yếu để kiểm tra việc xử lý trình tự bị cắt ngắn mặc định này. "CM phụ" này
quy trình không giống như "CM phụ" được Weinberg và Ruzzo mô tả.

LỰA CHỌN CHO KIỂM SOÁT SPEED VÀ NHỚ YÊU CẦU

- bị bỏ rơi
Tùy chọn này được bật theo mặc định. Tăng tốc căn chỉnh bằng cách cắt bỏ các vùng
của ma trận CM DP được HMM coi là không đáng kể. Đầu tiên, mỗi trình tự là
đã ghi điểm với kế hoạch CM 9 HMM bắt nguồn từ CM sử dụng HMM Tiến và lùi
các thuật toán để tính toán xác suất sau mà mỗi nucleotide sắp xếp theo từng
trạng thái của HMM. Các xác suất sau này được sử dụng để rút ra các ràng buộc
(các dải) trên ma trận CM DP. Cuối cùng, chuỗi mục tiêu được căn chỉnh cho phù hợp với CM
sử dụng ma trận DP theo dải, trong đó các ô bên ngoài dải bị bỏ qua.
Thông thường hầu hết ma trận DP đầy đủ nằm ngoài dải (thường hơn 95%),
làm cho kỹ thuật này nhanh hơn vì yêu cầu ít tính toán DP hơn và hơn thế nữa
bộ nhớ hiệu quả vì chỉ các ô trong dải cần được cấp phát.

Quan trọng là, dải HMM hy sinh sự đảm bảo xác định một cách tối ưu
độ chính xác hoặc căn chỉnh tối ưu, sẽ bị bỏ sót nếu nó nằm ngoài dải.
Paramater tau là khối lượng xác suất được coi là không đáng kể trong
Tính toán băng tần HMM; giá trị thấp hơn của tau mang lại tốc độ lớn hơn nhưng cũng lớn hơn
cơ hội bỏ lỡ sự liên kết tối ưu. Tau mặc định là 1E-7, được xác định
theo kinh nghiệm là sự cân bằng tốt giữa độ nhạy và tốc độ, mặc dù giá trị này có thể
được thay đổi với --tau lựa chọn. Mức độ gia tốc tăng lên với
cả độ dài và mức bảo toàn trình tự sơ cấp của họ. Ví dụ,
với tau mặc định của mô hình 1E-7, tRNA (bảo tồn trình tự sơ cấp thấp với
chiều dài khoảng 75 nucleotide) cho thấy gia tốc khoảng 10X, và rRNA của vi khuẩn SSU
mô hình (bảo tồn trình tự sơ cấp cao với chiều dài khoảng 1500 nucleotide)
hiển thị khoảng 700X. Có thể tắt dải HMM với - không bị bó tùy chọn.

--tau
Đặt xác suất mất đuôi được sử dụng trong quá trình tính toán băng tần HMM thành . Đây là
khối lượng xác suất trong các xác suất sau HMM đó là
coi như không đáng kể. Giá trị mặc định là 1E-7. Nói chung, giá trị cao hơn sẽ
dẫn đến gia tốc lớn hơn, nhưng tăng khả năng bỏ lỡ
sự liên kết do các dải HMM.

--mxsize
Đặt tổng kích thước ma trận DP tối đa cho phép thành megabyte. Theo mặc định cái này
kích thước là 1028 Mb. Điều này phải đủ lớn cho phần lớn các căn chỉnh,
tuy nhiên nếu nó không phải là căn chỉnh cm sẽ cố gắng thắt chặt lặp đi lặp lại các dải HMM.
sử dụng để hạn chế căn chỉnh bằng cách tăng tham số tau và tính toán lại
các dải cho đến khi tổng kích thước ma trận cần thiết giảm xuống dưới megabyte hoặc tối đa
giá trị tau cho phép (0.05 theo mặc định, nhưng có thể thay đổi với --maxtau) đạt được. Tại
mỗi lần thắt chặt dây lặp lại, tau được nhân với 2.0. Dây thắt chặt
chiến lược có thể được tắt với --fixedtau lựa chọn. Nếu tau tối đa là
đã đạt đến và kích thước ma trận yêu cầu vẫn vượt quá hoặc nếu dải HMM không
đang được sử dụng và kích thước ma trận yêu cầu vượt quá sau đó căn chỉnh cm sẽ thoát
sớm và báo cáo một thông báo lỗi rằng ma trận đã vượt quá mức tối đa của nó
kích thước cho phép. Trong trường hợp này, --mxsize có thể được sử dụng để nâng cao giới hạn kích thước hoặc
tau tối đa có thể được nâng lên với --maxtau. Giới hạn thường sẽ bị vượt quá
khi - không bị bó tùy chọn được sử dụng mà không có --nhỏ tùy chọn, nhưng vẫn có thể xảy ra
khi nào - không bị bó Không được sử dụng. Lưu ý rằng nếu căn chỉnh cm đang được chạy trong nhiều
luồng trên máy đa lõi thì mỗi luồng có thể có một ma trận được phân bổ lên đến
kích thước Mb tại bất kỳ thời điểm nào.

--fixedtau
Tắt chiến lược thắt chặt băng tần HMM được mô tả trong phần giải thích của
--mxsize tùy chọn trên.

--maxtau
Đặt giá trị tối đa cho phép cho tau trong quá trình thắt chặt băng, được mô tả trong
giải thích về --mxsize ở trên, để . Theo mặc định, giá trị này là 0.05.

- không bị bó
Tắt dải HMM. Căn chỉnh được trả về được đảm bảo là toàn cầu
điểm chính xác tối ưu (theo mặc định) hoặc điểm tối ưu toàn cầu (nếu --cyk
được kích hoạt). Các --nhỏ tùy chọn được khuyến nghị kết hợp với tùy chọn này,
bởi vì căn chỉnh tiêu chuẩn không có dải HMM đòi hỏi nhiều bộ nhớ (xem
--nhỏ ).

--nhỏ
Sử dụng thuật toán căn chỉnh CYK chia và chinh phục được mô tả trong SR Eddy, BMC
Tin sinh học 3:18, 2002. Các - không bị bó tùy chọn phải được sử dụng kết hợp với
tùy chọn này. Ngoài ra, nó được khuyến khích bất cứ khi nào - không bị bó được sử dụng mà --nhỏ is
cũng được sử dụng vì căn chỉnh CM tiêu chuẩn không có dải HMM yêu cầu nhiều
bộ nhớ, đặc biệt là đối với các RNA lớn. --nhỏ cho phép căn chỉnh CM trong thực tế
giới hạn bộ nhớ, giảm bộ nhớ cần thiết cho rRNA LSU căn chỉnh, lớn nhất
RNA đã biết, từ 150 Gb đến dưới 300 Mb. Tùy chọn này chỉ có thể được sử dụng trong
kết hợp với --băng, --notruc, và --cyk.

CHỌN OUTPUT CÁC TẬP TIN

--sfile
Kết xuất điểm căn chỉnh trên mỗi trình tự và thông tin thời gian vào tệp . Định dạng của
tệp này được mô tả ở trên (đó là cùng một dữ liệu có cùng định dạng với bảng
đầu ra stdout khi -o tùy chọn được sử dụng).

--tfile
Kết xuất theo dõi trình tự dạng bảng cho từng chuỗi riêng lẻ vào một tệp .
Chủ yếu hữu ích để gỡ lỗi.

--ifile
Dump mỗi trình tự chèn thông tin vào tệp . Định dạng của tệp là
được mô tả bằng "#" - dòng nhận xét có tiền tố ở đầu tệp . Sản phẩm
chèn thông tin hợp lệ ngay cả khi --matchonly tùy chọn được sử dụng.

--tệp
Kết xuất mỗi trình tự trạng thái EL (kết thúc cục bộ) chèn thông tin vào tệp . Các định dạng
của tệp được mô tả bằng "#" - các dòng nhận xét có tiền tố ở đầu
hồ sơ . Thông tin chèn EL hợp lệ ngay cả khi --matchonly Tùy chọn là
đã sử dụng.

KHÁC LỰA CHỌN

--mapali
Đọc sự liên kết từ tệp được sử dụng để xây dựng mô hình sắp xếp nó thành một mô hình duy nhất
phản đối CM; ví dụ như sự liên kết trong được giữ cố định. Điều này cho phép bạn
căn chỉnh các trình tự thành một mô hình với căn chỉnh cm và xem chúng trong bối cảnh hiện có
nhiều căn chỉnh đáng tin cậy. phải là tệp căn chỉnh mà CM đã được xây dựng
từ. Chương trình xác minh rằng tổng kiểm tra của tệp khớp với giá trị của tệp
được sử dụng để xây dựng CM. Một tùy chọn tương tự như tùy chọn này đã được gọi là --withali in
phiên bản trước của cmalign.

--mapstr
Phải được sử dụng kết hợp với --mapali . Đề xuất thông tin cấu trúc
cho bất kỳ mã giả nào tồn tại trong để căn chỉnh đầu ra. Một tùy chọn tương tự cho
cái này được gọi là --withstr trong các phiên bản trước của cmalign.

--thông tin
Khẳng định rằng đầu vào có định dạng . Không chạy định dạng Babelfish
tự động dò tìm. Điều này làm tăng phần nào độ tin cậy của chương trình, bởi vì
Babelfish có thể mắc sai lầm; đặc biệt được khuyến nghị cho những người không cần giám sát,
thông lượng chạy của Infernal. Các định dạng được chấp nhận là: FASTA, GENBANK và DDBJ.
không phân biệt chữ hoa chữ thường.

--định dạng
Chỉ định định dạng căn chỉnh đầu ra là . Các định dạng được chấp nhận là: Pfam, AFA,
A2M, Clustal và Phylip. AFA được căn chỉnh nhanha. Chỉ căn chỉnh Pfam và Stockholm
các định dạng sẽ bao gồm chú thích cấu trúc đồng thuận và xác suất sau
chú thích của phần dư được căn chỉnh.

--dnaout
Đầu ra các liên kết dưới dạng sắp xếp trình tự DNA, thay vì RNA.

--không thành vẫn đề
Không chú thích sự liên kết đầu ra với các xác suất sau.

--matchonly
Chỉ bao gồm các cột đối sánh trong căn chỉnh đầu ra, không bao gồm bất kỳ phần chèn nào
so với mô hình đồng thuận. Tùy chọn này có thể hữu ích khi tạo
căn chỉnh yêu cầu nhiều bộ nhớ và không gian đĩa, hầu hết trong số đó là cần thiết
chỉ để đối phó với các cột chèn là khoảng trống trong hầu hết các chuỗi.

--tôi đã rời đi
Xuất căn chỉnh ở định dạng Stockholm xen kẽ có chiều rộng cố định có thể là
thuận tiện hơn cho việc thăm khám. Đây là định dạng căn chỉnh đầu ra mặc định của
phiên bản trước của cmalign. Lưu ý rằng căn chỉnh cm yêu cầu nhiều bộ nhớ hơn khi điều này
tùy chọn được sử dụng. Vì lý do này, --tôi đã rời đi sẽ chỉ hoạt động cho các căn chỉnh tối đa
100,000 trình tự hoặc tổng số 100,000,000 nucleotide sắp xếp.

- tiến trình
Lưu một bản sao bổ sung của căn chỉnh đầu ra mà không có thông tin tác giả vào tệp
.

--dài dòng
Đưa ra thông tin bổ sung trong đầu ra điểm số dạng bảng (xuất ra stdout nếu -o
được sử dụng, hoặc để if --sfile Được sử dụng). Chúng chủ yếu hữu ích cho việc kiểm tra và
gỡ lỗi.

--CPU
Chỉ định rằng nhân viên CPU song song được sử dụng. Nếu như được đặt là "0", sau đó
chương trình sẽ được chạy ở chế độ nối tiếp, không sử dụng luồng. Bạn cũng có thể kiểm soát
con số này bằng cách đặt một biến môi trường, INFERSAL_NCPU. Tùy chọn này sẽ
chỉ khả dụng nếu máy mà Infernal được chế tạo có khả năng sử dụng
Phân luồng POSIX (xem phần Cài đặt của hướng dẫn sử dụng để biết thêm
thông tin).

--mpi Chạy như một chương trình MPI song song. Tùy chọn này sẽ chỉ khả dụng nếu Infernal có
đã được định cấu hình và xây dựng bằng cờ "--enable-mpi" (xem Cài đặt
phần hướng dẫn sử dụng để biết thêm thông tin).

Sử dụng cmalign trực tuyến bằng các dịch vụ onworks.net