2011 04 (seku panasumu paieskos algoritmai)

Panašių sPanašių sekekų paieškos ų paieškos algoritmaialgoritmai

Algoritmų taikymo sritisAlgoritmų taikymo sritis

Taikomi biologinių duomenų paieškai:Taikomi biologinių duomenų paieškai: Apribota abėcėlė:Apribota abėcėlė:

Baltymų sekos sudarytos iš 20 amino rūgščiųBaltymų sekos sudarytos iš 20 amino rūgščių Nukleotidų sekos turi 4 (5) nukleotidusNukleotidų sekos turi 4 (5) nukleotidus

Sekos paieškos rezultatas gali būti:Sekos paieškos rezultatas gali būti: Tikslus sutapimas:Tikslus sutapimas:

ABCTUVABCTUVABUVABUV

ABCTUVABCTUVAB----UVAB----UV

Netikslus sutapimas:Netikslus sutapimas:GARUIPPRSTGARUIPPRSTGARVVBUIEEYSTGARVVBUIEEYST

GAR------UIPPRSTGAR------UIPPRSTGARVVBUIEEYSTGARVVBUIEEYST

Globalūs ir lokalūs palyginiaiGlobalūs ir lokalūs palyginiai

ABQRTASGGBVABQRTASGGBV ABRRRASGVBBABRRRASGVBB

ABQRTASGGBVABQRTASGGBV ABQ------SGGBVABQ------SGGBV

Amino rūgčių pakeitimo matricosAmino rūgčių pakeitimo matricos

Amino rūgštys pasižymi tam tikromis, Amino rūgštys pasižymi tam tikromis, savitomis fizikinėmis ir cheminėmis savitomis fizikinėmis ir cheminėmis savybėmis.savybėmis.

Ortologiniuose baltymuose amino rūgštys Ortologiniuose baltymuose amino rūgštys keičiamos viena į kitą skirtingais keičiamos viena į kitą skirtingais dažnumais.dažnumais.

Pakeitimo lengvumą (dažnumą) leidžia Pakeitimo lengvumą (dažnumą) leidžia įvertinti A.A. pakeitimo matricos.įvertinti A.A. pakeitimo matricos.

Amino rūgščių pakeitimo matricos Amino rūgščių pakeitimo matricos pavyzdyspavyzdys

Amino rūgčių pakeitimo matricosAmino rūgčių pakeitimo matricos

BLOSUM ir PAM matricos.BLOSUM ir PAM matricos.

PAM –Point accepted mutation. PAM –Point accepted mutation. Gautos lyginant 1572 mutacijas iš 71 baltymų Gautos lyginant 1572 mutacijas iš 71 baltymų

šeimų.šeimų. PAM1 – PAM30 – PAM70 – PAM250PAM1 – PAM30 – PAM70 – PAM250 Netinka evoliuciškai nutolusiems baltymamsNetinka evoliuciškai nutolusiems baltymams

BLOSUMBLOSUM

BLOSUM - BLOcks of Amino Acid BLOSUM - BLOcks of Amino Acid SUbstitution MatrixSUbstitution Matrix

Sudaromas daugybinis palyginys iš mažai Sudaromas daugybinis palyginys iš mažai pakitusių baltymų sekų regionųpakitusių baltymų sekų regionų

Tinka evoliuciškai labiau nutolusiems Tinka evoliuciškai labiau nutolusiems baltymamsbaltymams

BLOSUM40-BLOSUM62-BLOSUM80BLOSUM40-BLOSUM62-BLOSUM80

Sekų sulyginimo algoritmaiSekų sulyginimo algoritmai

Taškinės matricos (dot matrix)Taškinės matricos (dot matrix) Dinaminis programavimasDinaminis programavimas FASTAFASTA BLASTBLAST

Dinaminis programavimasDinaminis programavimas

DP yra vienas iš algoritmų, taikomų DP yra vienas iš algoritmų, taikomų optimizavimo problemoms spręstioptimizavimo problemoms spręsti

DP veikia skaidant didelę užduotį į DP veikia skaidant didelę užduotį į mažesnes sub-užduotis.mažesnes sub-užduotis.


Kiekviena subužduotis vykdoma tik vieną Kiekviena subužduotis vykdoma tik vieną kartą, o jos rezultatas išsaugomaskartą, o jos rezultatas išsaugomas

DP pasirenka sprendinį su didžiausiu DP pasirenka sprendinį su didžiausiu (mažiausiu) įverčiu(mažiausiu) įverčiu


Gali būti taikomas globalių ir lokalių Gali būti taikomas globalių ir lokalių palyginių paieškai.palyginių paieškai.

Palyginių įvertinimui gali būti naudojamos Palyginių įvertinimui gali būti naudojamos pakeitimo matricospakeitimo matricos

Reikia įvesti tarpo buvimo palyginyje Reikia įvesti tarpo buvimo palyginyje “baudą”“baudą”


Tikslas – surasti optimalų globalų palyginį Tikslas – surasti optimalų globalų palyginį tarp dviejų sekų leidžiant atsirasti tarpams.tarp dviejų sekų leidžiant atsirasti tarpams.

Sudaroma matrica F, kurios elementai Sudaroma matrica F, kurios elementai F(i,j) turi geriausio palyginio įverčio F(i,j) turi geriausio palyginio įverčio reikšmę kai naudojamos i ir j ilgio reikšmę kai naudojamos i ir j ilgio subsekossubsekos


F(i,j) = max {F(i,j) = max { F(i-1, j-1) + s(xi , yj );F(i-1, j-1) + s(xi , yj );F(i-1,j) – d;F(i-1,j) – d;F(i, j-1) – d }F(i, j-1) – d }

s(a,b) yra panašumo įvertis, gaunamas iš s(a,b) yra panašumo įvertis, gaunamas iš panašumo matricos.panašumo matricos.

d yra tarpo įvedimo baudad yra tarpo įvedimo bauda


Sukonstravus matricą galima nesunkiai surasti Sukonstravus matricą galima nesunkiai surasti palyginį.palyginį.

Didžiausios bendros sekos paieškaDidžiausios bendros sekos paieška





Needleman-Wunsch algoritNeedleman-Wunsch algoritmasmas

S1'S1' = = GCCCTAGCGGCCCTAGCG S2'S2' = = GCGC-AATGGCGC-AATG

Query: 1 gccctagcg 9 || | | |

Target: 1 gcgc-aatg 8

Lokalių palyginių paieškaLokalių palyginių paieška Neigiamos reikšmės paverčiamos į 0Neigiamos reikšmės paverčiamos į 0 Surandama didžiausia įverčio reikšmė visoje matricoje ir nuo jos Surandama didžiausia įverčio reikšmė visoje matricoje ir nuo jos

atsekamas palyginysatsekamas palyginys


Garantuoja optimalaus palyginio radimą Garantuoja optimalaus palyginio radimą (naudojant tam tikrą įverčių schemą)(naudojant tam tikrą įverčių schemą)

Lėtas - sudėtingumas O(nLėtas - sudėtingumas O(n22)) Kompiuterio atminties reikalavimai auga Kompiuterio atminties reikalavimai auga

kvadratiškai nuo sekos ilgiokvadratiškai nuo sekos ilgio Netinka ilgų sekų palyginimuiNetinka ilgų sekų palyginimui

Smith-Waterman algoritSmith-Waterman algoritmasmas

Geriausias lokalus palyginys:Geriausias lokalus palyginys:

gcggcg

FASTA algoritmasFASTA algoritmas

DP algoritmas atlieka daug skaičiavimų DP algoritmas atlieka daug skaičiavimų bereikšmėje srityjebereikšmėje srityje

FASTA sutelkia paiešką į įstrižainių sritįFASTA sutelkia paiešką į įstrižainių sritį

65555433321A

55554433221G

44444433221C

33333333221T

22222222221A

22221111111G

11111111111G

ATTGACTTAAG

FASTAFASTA

Naudojami artiniai (“heuristika”):Naudojami artiniai (“heuristika”):

geras lokalus palyginys turi tam tikrą geras lokalus palyginys turi tam tikrą visiškos sutapimo subseką.visiškos sutapimo subseką.


Surasti visus “karštus taškus” (ilgio k Surasti visus “karštus taškus” (ilgio k sekos, kuirios idealiai sutampa)sekos, kuirios idealiai sutampa)

Galima naudoti “hash” arba “look-up” Galima naudoti “hash” arba “look-up” lenteleslenteles

Atrinkti N geriausių sekųAtrinkti N geriausių sekų


Apjungti sub-palyginius atsižvelgiant į Apjungti sub-palyginius atsižvelgiant į tarpustarpus

Vienas iš lokalių palyginių

Tarpai


Konstruojamas svorinis kryptinis grafasKonstruojamas svorinis kryptinis grafas Mazgai yra sub-palyginiaiMazgai yra sub-palyginiai Kraštinė (u,v) egzistuoja, jei u yra prieš vKraštinė (u,v) egzistuoja, jei u yra prieš v Kiekviena kraštinė turi tarpo baudą Kiekviena kraštinė turi tarpo baudą

(neigiamas svoris)(neigiamas svoris) Ieškoma maksimalausIeškoma maksimalaus

svorio keliosvorio kelio

Sub-seka

Kraštinė


ApribotojeApribotoje srityje naudojamas dinaminio srityje naudojamas dinaminio programavimo algoritmasprogramavimo algoritmas

Juostos plotis parametrizuotas

BLAST algoritmasBLAST algoritmas

Kitas heuristinis algoritmasKitas heuristinis algoritmas Rezultatai įvertinami statistiškaiRezultatai įvertinami statistiškai Remiasi prielaida, kad homologinės sekos Remiasi prielaida, kad homologinės sekos

turi trumpų sekų porų su dideliais įverčiais.turi trumpų sekų porų su dideliais įverčiais. Šiuos trumpus segmentus algoritmas Šiuos trumpus segmentus algoritmas

praplečia į abi puses kad būtų gautas praplečia į abi puses kad būtų gautas optimalus palyginysoptimalus palyginys


Paruošiamieji darbai:Paruošiamieji darbai:

1 žingsnis – paruošti daugiausiai taškų 1 žingsnis – paruošti daugiausiai taškų turinčius žodžius iš užklausos sekosturinčius žodžius iš užklausos sekos

BLAST AlgoritBLAST Algoritmasmas


Query Word

Neighborhood words


2 žingsnis – paieška sekų duomenų 2 žingsnis – paieška sekų duomenų bazėje. Kiekvienam žodžiui iš sąrašo bazėje. Kiekvienam žodžiui iš sąrašo randami tikslūs radiniai DBrandami tikslūs radiniai DB

Užklausos žodis Panašūs žodžiai DB sekos

1 žingsnis 2 žingsnis

1 seka

2 seka


Galima naudotis hash-lentelėmisGalima naudotis hash-lentelėmis

žodžiai

Hash lentelė

Pradinio Pradinio High Scoring Segment High Scoring Segment Pair (HSP)Pair (HSP) praplėtimas praplėtimas

NeighborhoodScore Threshold

MinimumScore

SignificanceDecay


3 žingsnis – optimalaus palyginio paieška. 3 žingsnis – optimalaus palyginio paieška. Kiekviena rasta seka praplečiama į abi Kiekviena rasta seka praplečiama į abi pusespuses

4 žingsnis – palyginio statistinio 4 žingsnis – palyginio statistinio reikšmingumo įvertinimas. Palyginio reikšmingumo įvertinimas. Palyginio plėtimas stabdomas, kai E-reikšmė būna plėtimas stabdomas, kai E-reikšmė būna didesnė nei ribinė. Toks rastas segmentas didesnė nei ribinė. Toks rastas segmentas vadinamas didelio įverčio segmentu (vadinamas didelio įverčio segmentu (High High Scoring Segment PairScoring Segment Pair, HSSP, HSP) , HSSP, HSP)


E- reikšmės apibrėžimas:E- reikšmės apibrėžimas:

Tikėtinas HSP, kurių įvertis didesnis nei S, Tikėtinas HSP, kurių įvertis didesnis nei S, skaičius skaičius

E = K*n*m*eE = K*n*m*e--λSλS

K, K, λ λ nuo modelio priklausančios nuo modelio priklausančios konstantoskonstantos

n, m n, m užklausos ir sekos ilgiaiužklausos ir sekos ilgiai


Sekų įverčiai pasiskirstę pagal ekstremalių verčių dėsnį.Sekų įverčiai pasiskirstę pagal ekstremalių verčių dėsnį.

0

1000

2000

3000

4000

5000

6000

7000

8000

<20 30 40 50 60 70 80 90 100 110 >120

Algoritmų palyginimasAlgoritmų palyginimas

Užklausos ilgis – 153Užklausos ilgis – 153 DB dydis – 5997 sekosDB dydis – 5997 sekos

0.118 [s]BLAST

0.618 [s]FASTA

16.989 [s]D.P

TrukmėAlgoritmas


Dinaminis programavimas:Dinaminis programavimas: Jautriausias algoritmasJautriausias algoritmas Panaudojama visa informacijaPanaudojama visa informacija Algoritmas lėtasAlgoritmas lėtas Naudojamos ir bereikšmės sritysNaudojamos ir bereikšmės sritys


FASTAFASTA Mažiau jautrus nei DP ir BLASTMažiau jautrus nei DP ir BLAST Naudojama dalinė informacija pagreitinant Naudojama dalinė informacija pagreitinant

skaičiavimusskaičiavimus Rezultatai nevertinami statistiškaiRezultatai nevertinami statistiškai Žymiai greitesnis nei DPŽymiai greitesnis nei DP


BLASTBLAST Jautresnis nei Jautresnis nei FASTAFASTA Rezultatai įvertinami statistiškaiRezultatai įvertinami statistiškai Greitesnis nei FASTA. Atsižvelgiant į rezultatų Greitesnis nei FASTA. Atsižvelgiant į rezultatų

patikimumą atmetamas triukšmas ir tokiu patikimumą atmetamas triukšmas ir tokiu būdu sutrumpėja skaičiavimo laikasbūdu sutrumpėja skaičiavimo laikas

Documents

2011 04 (seku panasumu paieskos algoritmai)