Anwendungen von HMM. Kapitel 1 Spezialvorlesung Modul (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel

Transkript

1 Anwendungen von HMM Kapitel 1 Spezialvorlesung Modul (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel Professur für Bioinformatik Institut für Informatik Universität Leipzig Machine learning in bioinformatics K1 1/9

2 Erinnerung HMM - Erinnerung.. stochastisches Modell zur Modellierung eines Systems durch eine Markov-Kette mit unbeobachteten Zuständen P(s i s i 1) i+1 i P(s s ) s i 1 s i s i+1 P(e i 1 s i 1 ) P(e i 1 s) i P(e i s i) P(e i s i) e i 1 e i e i+1 Sequenz von Zuständen ist nicht eindeutig durch Beobachtung bestimmt! muss probabilistisch abgeleitet werden. Ein HMM ist ein Modell, welches Sequenzen generieren kann geeignet zur Suche von homologen Sequenzen in DB Machine learning in bioinformatics K1 2/9

3 Multiples Sequenz Alignment (MSA) position-specific scoring system match modelliert Verteilung aller möglichen Residuen einer Spalte (jede Spalte ein match Zustand) insert erlaubt Einfügen eines o. mehrerer Residuen zw. aktueller und nächster Spalte delete erlaubt Löschen des Consensus Residues Parameter match Additive log-odds Scores: L(x) = log P(x) f x insert Affine gap Kosten: a + b(l 1) a... Score des 1. Residues b... Score für jedes weitere Residue der Insertion der Länge l Zustandswechsel: log t MI, log t II, log t IM a = log t MI + log t IM, b = log t II Machine learning in bioinformatics K1 3/9

4 in HMMER Software Abbildung: Eddy 1998, Profile Hidden Markov models Machine learning in bioinformatics K1 4/9

5 Local or global? local global semi global local: log t MI = log t IM = 0 der Flanking Zustände Abbildung: Eddy 1998, Profile Hidden Markov models Machine learning in bioinformatics K1 5/9

6 Libraries Bisher: Finde best. homologe Sequenz in DB, benutze ein HMM Nun: Geg. eine Sequenz, enthält sie 1 o. mehr bekannte Domains? aligniere geg. Sequenz mit einer Menge (Library) von profile HMMs. Generierung von profile HMM Libraries: große Anzahl an MSA versch. Domains benötigt DB annotierter MSA und vorgefertigter profile HMM (z.bsp. Pfam und PROSITE DB für Proteindomains) HMM zur Erkennung von Strukturen: Scores aus Strukurdaten (2D/3D) trainiere Modelle (Libraries) an bekannten Strukturdomains erkenne strukturierte Elemente in neuen Sequenzen Machine learning in bioinformatics K1 6/9

7 Learning Co-Varianz SCFG und Co-Varianz Detection of ncrnas.. ncrnas Funktionalität hauptsächl. abhängig von Sekundärstruktur: Veränderungen der Sequenz können fatale Folgen in der Sek.str. haben Bestimmte Motife in Sek.str. benötigen bestimmte Anordnung der Basen in Prim.str. starke Co-Varianz von Primärstr. und Sekundärstr. Machine learning in bioinformatics K1 7/9

8 Learning Co-Varianz SCFG und Co-Varianz (S)CFG - (stochastic) context free grammar G = (N, T, P, S) S N... Startsymbol N, T... diskunkte Alphabete von Nichtterminal- und Terminalsymbolen P = N (N T )... Produktionsregeln Erweiterung auf SCFG durch Zuordnung einer Auftrittswahrscheinlichkeit zu jeder Regel aus P: p : P R Wahrscheinlichkeitsverteilung auf der Menge der von der Grammatik erzeugten Wörter. Machine learning in bioinformatics K1 8/9

9 Learning Co-Varianz SCFG und Co-Varianz CM - covariance model.. spezielle Erweiterung einer SCFG designed für die Modellierung einer RNA consensus Sequenz und Struktur Kombination von Struktur und Sequenz: Positions-spezif. Scores (log-odds scores) der 4 mögl. Residuen an ungepaarten Positionen der 16 mögl. Basenpaaren an gepaarten Positonen, Insertionen u. Deletionen CMs können verwendet werden um homologe RNA gene in DBen zu finden neue Sequenz-Struktur basierte MSA zu erstellen implementiert in dem Softwarepacket Infernal Machine learning in bioinformatics K1 9/9