cmalign - 云端在线

程序：

您的姓名

cmalign - 将序列与协方差模型对齐

概要

厘米对齐
[选项]

商品描述

厘米对齐 对齐 RNA 序列 到协方差模型 (CM) .
新的对齐输出到 标准输出 斯德哥尔摩格式，但可以重定向到文件
与 -o 选项。

或 or （但不是两者）可能是“-”（破折号），这意味着阅读这个
输入来自 标准输入 而不是一个文件。

序列文件 必须是 FASTA 或 Genbank 格式。

厘米对齐 默认情况下使用 HMM 分带技术来加速对齐，如所述
下面为 --带状 选项。 可以使用以下命令关闭 HMM 条带 --无带 选项。

默认情况下， 厘米对齐 计算具有最大预期精度的对齐方式，即
与从 HMM 派生的约束（带）一致，使用带状版本的
Durbin/Holmes 最优精度算法。 这种行为可以通过 --cyk or
- 样本 选项​​。

厘米对齐 特别注意正确对齐截断的序列，其中一些核苷酸
从实际全长生物序列的开头 (5') 和/或结尾 (3') 是
不存在于输入序列中（参见 DL Kolbe 和 SR Eddy, Bioinformatics, 25:1236-1243,
2009）。 默认情况下，此行为处于启用状态，但可以通过以下方式关闭 --notrunc。 在以前的
版本 厘米对齐 此 --sub 需要选项来适当处理截断
序列。 这 --sub 选项在此版本中仍然可用，但新的默认方法
处理截断序列的方法应该与子方法一样好或优于子方法
所有情况。

--马帕里 选项允许包含用于构建的固定训练对齐
来自文件的CM 在输出对齐中 对齐。

可以使用 Easel 合并由同一 CM 创建的两个或多个对齐
小程序 ESL-阿利梅格 （包含在 Infernal 的easel/miniapps/ 子目录中）。 以前的
版本 厘米对齐 包括合并对齐的选项，但它们已被弃用
发展 esl-alimerge， 这显着提高了内存效率。

默认情况下， 厘米对齐 将对齐输出到标准输出。 对齐可以重定向
到输出文件 与 -o 选项。 和 -o， 每个对齐的信息
序列，包括分数和模型对齐边界将被打印到标准输出（更多
在下面）。

默认情况下，输出对齐将采用斯德哥尔摩格式。 这可以更改为 Pfam，
对齐 FASTA (AFA)、A2M、Clustal 或 Phylip 格式，使用 --输出格式 选项，
哪里 是所需格式的名称。 作为一种特殊情况，如果输出对齐
大（超过 10,000 个序列或超过 10,000,000 个总核苷酸）比
输出格式将为 Pfam 格式，每个序列出现在一行中，对于
内存效率的原因。 对于比这更大的比对，使用 - 我离开了 将迫使
交错的斯德哥尔摩格式，但用户应该意识到这可能需要很多
记忆。 - 我离开了 仅适用于最多 100,000 个序列或 100,000,000 个序列的比对
总核苷酸。

如果输出对齐格式为 Stockholm 或 Pfam，则输出对齐格式为
用后验概率注释，估计每个对齐的置信水平
核苷酸。 此注释显示为以“#=GR”开头的行PP", 每一个
序列，每个紧邻对应的对齐序列“ ”。
PP 行中的字符有 12 个可能的值：“0-9”、“*”或“.”。 如果“.”，位置
对应于序列中的间隙。 值“0”表示后验概率
在 0.0 到 0.05 之间，“1”表示在 0.05 到 0.15 之间，“2”表示在 0.15 到 XNUMX 之间
0.25 等等直到“9”，表示介于 0.85 和 0.95 之间。 “*”值表示
0.95 到 1.0 之间的后验概率。 较高的后验概率对应
更有信心对齐的核苷酸属于它出现在
结盟。 和 --无带， 后验概率的计算考虑了所有
目标序列与 CM 的可能比对。 没有 --无带 （即默认
模式），计算只考虑 HMM 频带内可能的对齐。 更远，
后验概率取决于对齐的截断模式。 为了
例如，如果序列比对被截断 5'，则 PP 值“9”表示之间
所有 0.85' 截断比对中的 0.95 和 5 包括在给定位置的给定核苷酸
位置。 可以使用以下命令关闭后部注释 - 没问题 选项。 如果 - 小的
启用后，也必须使用关闭后注释 - 没问题。

打印到标准输出的表格输出，如果 -o 使用的选项包括一行
每个序列和每行十二个字段：“idx”：输入中序列的索引
file, "seq name": 序列名称； “长度”：序列的长度； “厘米从”和
“cm to”：对齐的模型开始和结束位置； "trunc": "no" 如果序列
未被截断，如果序列的开头截断了 5'，则为“5'”，如果序列的结尾被截断，则为“3'”
序列被截断，如果开头和结尾都被截断，则为“5'&3'”；
“bit sc”：对齐的比特分数，“avg pp”平均后验概率
比对中的所有比对核苷酸； “band calc”、“alignment”和“total”：时间
以秒为单位计算 HMM 频带、计算对齐并完成
分别处理序列； “mem (Mb)”：所有动态的大小（Mb）
对齐序列所需的编程矩阵。 这个表格数据可以保存
归档 与 --s文件 选项。

配置

-h 帮助; 打印命令行用法和可用选项的简短提醒。

-o 将斯德哥尔摩格式的路线保存到文件中 . 默认是写
到标准输出。

-g 配置模型以将查询模型全局对齐到目标
序列。 默认情况下，模型配置为局部对齐。 当地的
比对中可以包含称为“局部末端”的大插入和删除
结构将受到与正常 indel 不同的惩罚。 这些被注释为
输出对齐的 RF 行中的“~”列。 这 -g 选项可用于
禁止这些本地端。 这 -g 选项是必需的，如果 --sub 选项也是
用过的。

配置 用于 控制 “ 对准 算法

--optacc
使用 Durbin/Holmes 最佳精度算法对齐序列。 这是
默认。 最佳精度对齐将受到 HMM 频带的约束
加速度除非 --无带 选项已启用。 最佳精度
算法确定最大化后验概率的对齐方式
其中对齐的核苷酸。 使用后验概率确定
（可能是 HMM 带状）内部和外部算法的变体。

--cyk 不要使用 Durbin/Holmes 最佳精度对齐来对齐序列，
而是使用 CYK 算法来确定最佳评分（最大
可能性）序列与模型的对齐，给定 HMM 带（除非
--无带 也启用）。

- 样本
从对齐的后验分布中采样对齐。 后路
分布是使用 HMM 带状确定的（除非 --无带） 的变体
内部算法。

- 种子
用种子随机数生成器 , 一个整数 >= 0。这个选项只能
结合使用 - 样本。 If 非零，随机抽样
对齐将是可重复的； 相同的命令将给出相同的结果。 如果
为0，随机数生成器任意播种，随机
采样可能因同一命令的运行而异。 默认种子为 181。

--notrunc
关闭截断对齐算法。 输入文件中的所有序列都将是
假定为全长，除非 --sub 也使用，在这种情况下，程序可以
仍然处理截断的序列，但将使用替代策略来处理它们
对准。

--sub 打开子模型构建和对齐程序。 对于每个序列，一个
HMM首先用于预测模型开始和结束共识列，新的
sub CM 的构建仅对从头到尾的共识列进行建模。 这
然后将序列与该子 CM 对齐。 子对齐是一种比
默认用于对齐可能被截断的序列。 默认情况下， 厘米对齐
使用特殊的 DP 算法来处理截断的序列，这应该更多
大多数情况下比子方法准确。 --sub 仍然作为一个选项包括在内
主要用于针对此默认截断序列处理进行测试。 这个“子CM”
程序与 Weinberg 和 Ruzzo 描述的“子 CM”不同。

配置 用于 控制 SPEED AND 记忆 参赛要件

--带状
默认情况下启用此选项。 通过修剪区域来加速对齐
HMM 认为可以忽略的 CM DP 矩阵。 首先，每个序列是
使用前向和后向 HMM 从 CM 派生的 CM 计划 9 HMM 评分
计算每个核苷酸与每个核苷酸对齐的后验概率的算法
HMM 的状态。 这些后验概率用于导出约束
（波段）在 CM DP 矩阵上。 最后，目标序列与CM对齐
使用带状DP矩阵，在此期间带外的单元被忽略。
通常大部分完整的 DP 矩阵位于波段之外（通常超过 95%），
使这项技术更快，因为需要更少的 DP 计算，而且更多
内存效率高，因为只需要分配带内的单元格。

重要的是，HMM 分带牺牲了确定最优
准确或最佳对齐，如果它位于带外，则会被遗漏。
tau 参数是被认为可以忽略的概率质量的数量
HMM频段计算； 较低的 tau 值产生更大的加速，但也更大
错过最佳对齐的机会。 默认 tau 为 1E-7，确定
经验上作为灵敏度和速度之间的一个很好的权衡，尽管这个值可以
被改变 --tau 选项。 加速度水平随着
家族的长度和一级序列保守水平。 例如，
使用默认的 tau 1E-7，tRNA 模型（低一级序列保守性与
约 75 个核苷酸的长度）显示约 10 倍的加速，SSU 细菌 rRNA
模型（高一级序列保守性，长度约为 1500 个核苷酸）
显示大约 700X。 可以使用以下命令关闭 HMM 条带 --无带 选项。

--tau
将 HMM 频带计算期间使用的尾部丢失概率设置为 . 这是
HMM 后验概率中的概率质量量是
认为微不足道。 默认值为 1E-7。 一般来说，较高的值将
导致更大的加速度，但增加了错过最佳的机会
由于 HMM 频带对齐。

--mx大小
将最大允许的总 DP 矩阵大小设置为 兆字节。 默认这个
大小为 1028 Mb。 对于绝大多数对齐，这应该足够大，
但是如果不是 厘米对齐 将尝试反复收紧 HMM 频带
用于通过提高 tau 参数并重新计算
带，直到所需的总矩阵大小低于 兆字节或最大值
允许的 tau 值（默认为 0.05，但可以用 --麦克斯陶） 到达了。 在
每次束带收紧迭代，tau 乘以 2.0。 乐队收紧
可以关闭策略 --固定tau 选项。 如果最大 tau 是
达到并且所需的矩阵大小仍然超过 或者如果 HMM 条带不是
正在使用并且所需的矩阵大小超过 然后 厘米对齐 将退出
过早并报告矩阵超过其最大值的错误消息
允许的大小。 在这种情况下， --mx大小 可用于提高大小限制或
最大 tau 可以提高 --maxtau。 通常会超过限制
当 --无带 选项在没有 - 小的 选项，但仍可能发生
，尤其是 --无带 未使用。 请注意，如果 厘米对齐 正在运行 多
多核机器上的线程，那么每个线程可能有一个分配的矩阵向上
大小 Mb 在任何给定时间。

--固定tau
关闭解释中描述的 HMM 频带收紧策略
--mx大小 以上选项。

--麦克斯陶
在束带收紧期间设置 tau 的最大允许值，在
的解释 --mx大小 以上，到 . 默认情况下，此值为 0.05。

--无带
关闭 HMM 条带。 返回的对齐方式保证是全局的
最准确的一个（默认情况下）或全局最佳评分的一个（如果 --cyk
已启用）。 这 - 小的 建议与此选项结合使用，
因为没有 HMM 条带的标准对齐需要大量内存（请参阅
- 小的 ).

- 小的
使用 SR Eddy, BMC 中描述的分而治之的 CYK 对齐算法
生物信息学 3:18, 2002。 --无带 选项必须与
这个选项。 此外，建议无论何时 --无带 被用来 - 小的 is
也使用，因为没有 HMM 条带的标准 CM 对齐需要很多
记忆，特别是对于大 RNA。 - 小的 允许在实际中进行 CM 对齐
内存限制，减少对齐 LSU rRNA 所需的内存，最大
已知的 RNA，从 150 Gb 到小于 300 Mb。 此选项只能用于
与...结合 --无带， --notrunc， 和 --cyk。

可选 OUTPUT FILES

--s文件
将每个序列的对齐分数和 timig 信息转储到文件中 . 格式
上面描述了这个文件（它是与表格格式相同的数据
标准输出输出时 -o 选项）。

--t文件
将每个单独序列的表格序列回溯转储到文件中 .
主要用于调试。

--i文件
将每个序列的插入信息转储到文件 . 文件的格式是
由包含在文件顶部的“#”前缀注释行描述 .
插入信息是有效的，即使 --仅匹配 选项被使用。

--el文件
将每个序列的 EL 状态（本地端）插入信息转储到文件 . 格式
文件的顶部由包含“#”前缀的注释行描述
文件 . EL 插入信息即使在 --仅匹配 选项是
用过的。

其他 配置

--马帕里
从文件中读取对齐 用于构建模型将其作为单个对齐
反对CM； 例如对齐 保持固定。 这使您可以
将序列与模型对齐 厘米对齐 并在现有的上下文中查看它们
受信任的多重对齐。 必须是构建 CM 的对齐文件
从。 程序验证文件的校验和是否与文件的校验和匹配
用于构建 CM。 与此类似的选项被称为 --维萨利 in
以前的版本 对齐。

--mapstr
必须结合使用 --马帕里 . 传播结构信息
对于存在于 到输出对齐。 类似的选项
这个被称为 --withstr 在以前的版本中 对齐。

--信息
断言输入 是格式 . 不要运行 Babelfish 格式
自检。 这在一定程度上增加了程序的可靠性，因为
Babelfish 会犯错误； 特别推荐用于无人值守、高
Infernal 的吞吐量运行。 可接受的格式有：FASTA、GENBANK 和 DDBJ。
不区分大小写。

--输出格式
指定输出对齐格式为 . 可接受的格式有：Pfam、AFA、
A2M、Clustal 和 Phylip。 AFA 对齐 fasta。 只有 Pfam 和斯德哥尔摩对齐
格式将包括共识结构注释和后验概率
对齐残基的注释。

--DNA输出
将比对输出为 DNA 序列比对，而不是 RNA 比对。

- 没问题
不要用后验概率注释输出对齐。

--仅匹配
仅在输出对齐中包含匹配列，不包含任何插入
相对于共识模型。 在创建非常大的文件时，此选项可能很有用
需要大量内存和磁盘空间的对齐方式，其中大部分是必需的
仅用于处理在大多数序列中存在间隙的插入列。

- 我离开了
以固定宽度的交错斯德哥尔摩格式输出对齐，可能是
考试更方便。 这是默认的输出对齐格式
以前的版本 对齐。 需要注意的是 厘米对齐 需要更多内存时
选项被使用。 为此原因， - 我离开了 仅适用于最多对齐
100,000 个序列或总共 100,000,000 个比对的核苷酸。

- 回归
将没有作者信息的输出对齐的附加副本保存到文件
.

--详细
在表格分数输出中输出附加信息（如果 -o
用于，或 if --s文件 用来）。 这些主要用于测试和
调试。

- 中央处理器
指定 使用并行 CPU 工作者。 如果 设置为“0”，则
程序将以串行模式运行，不使用线程。 你也可以控制
这个数字通过设置环境变量， INFERNAL_NCPU。 此选项将
仅当构建 Infernal 的机器能够使用时才可用
POSIX 线程（有关更多信息，请参阅用户指南的安装部分）
信息）。

--mpi 作为 MPI 并行程序运行。 此选项仅在 Infernal 具有
已使用“--enable-mpi”标志进行配置和构建（请参阅安装
有关详细信息，请参阅用户指南的部分）。

使用 onworks.net 服务在线使用 cmalign