タンパク質多重配列アライメントプログラム
バイオインフォマティクス と プロテオミクス において 、 ProbConsは アミノ酸 配列の確率的整合性に基づく多重アライメントを行う オープンソース ソフトウェアです。Clustal や MAFFT などの類似ツールと比較して、統計的に有意な精度向上が繰り返し実証されており、最も効率的なタンパク質 多重アライメント プログラムの一つです。 [ 1] [ 2]
アルゴリズム 以下はProbConsアルゴリズムの基本的な概要を説明する。 [3]
ステップ1: アライメントエッジの信頼性 すべてのシーケンスのペアについて、モデルによって生成されたアラインメント で文字 とがペアに なる確率を計算します。 × 私 {\displaystyle x_{i}} y 私 {\displaystyle y_{i}} 1つの ∗ {\displaystyle a^{*}}
P （ × 私 〜 y 私 | × 、 y ） ＝ d e f 広報 [ × 私 〜 y 私 いくつかの 1つの | × 、 y ] ＝ ∑ アライメント 1つの と × 私 − y 私 広報 [ 1つの | × 、 y ] ＝ ∑ アライメント 1つの 1 { × 私 − y 私 ∈ 1つの } 広報 [ 1つの | × 、 y ] {\displaystyle {\begin{aligned}P(x_{i}\sim y_{i}|x,y)\ {\overset {\underset {\mathrm {def} }{}}{=}}&\ \Pr[x_{i}\sim y_{i}{\text{ in some }}a|x,y]\\[8pt]=&\ \sum _{{\text{alignment }}a \atop {{\text{with }}x_{i}-y_{i}}}\Pr[a|x,y]\\[2pt]=&\ \sum _{{\text{alignment }}a}\mathbf {1} \{x_{i}-y_{i}\in a\}\Pr[a|x,y]\end{aligned}}}
( と が整列している 場合は 1 になり、それ以外の場合は 0 になります。) 1 { × 私 〜 y 私 ∈ 1つの } {\displaystyle \mathbf {1} \{x_{i}\sim y_{i}\in a\}} × 私 {\displaystyle x_{i}} y 私 {\displaystyle y_{i}}
ステップ2: 最大期待精度 あるアライメントを別のアライメントと比較した場合 の精度は 、共通アライメント ペアの数を短い方の配列の長さで割ったものとして定義されます。 1つの ∗ {\displaystyle a^{*}} 1つの {\displaystyle a}
各シーケンスの予想精度を計算します。
E 広報 [ 1つの | × 、 y ] （ acc （ 1つの ∗ 、 1つの ） ） ＝ ∑ 1つの 広報 [ 1つの | × 、 y ] acc （ 1つの ∗ 、 1つの ） ＝ 1 分 （ | × | 、 | y | ） ⋅ ∑ 1つの 1 { × 私 〜 y 私 ∈ 1つの } 広報 [ 1つの | × 、 y ] ＝ 1 分 （ | × | 、 | y | ） ⋅ ∑ × 私 − y 私 P （ × 私 〜 y j | × 、 y ） {\displaystyle {\begin{aligned}E_{\Pr[a|x,y]}(\operatorname {acc} (a^{*},a))&=\sum _{a}\Pr[a|x,y]\operatorname {acc} (a^{*},a)\\&={\frac {1}{\min(|x|,|y|)}}\cdot \sum _{a}\mathbf {1} \{x_{i}\sim y_{i}\in a\}\Pr[a|x,y]\\&={\frac {1}{\min(|x|,|y|)}}\cdot \sum _{x_{i}-y_{i}}P(x_{i}\sim y_{j}|x,y)\end{aligned}}}
これにより、最大期待精度 (MEA) アライメントが得られます。
E （ × 、 y ） ＝ 引数 最大 1つの ∗ E 広報 [ 1つの | × 、 y ] （ acc （ 1つの ∗ 、 1つの ） ） {\displaystyle E(x,y)=\arg \max _{a^{*}}\;E_{\Pr[a|x,y]}(\operatorname {acc} (a^{*},a))}
すべてのシーケンスのセットからシーケンス x、y のすべてのペアが、 すべての中間シーケンス z を使用して再推定されます。 S {\displaystyle {\mathcal {S}}}
P ′ （ × 私 − y 私 | × 、 y ） ＝ 1 | S | ∑ z ∑ 1 ≤ け ≤ | z | P （ × 私 〜 z 私 | × 、 z ） ⋅ P （ z 私 〜 y 私 | z 、 y ） {\displaystyle P'(x_{i}-y_{i}|x,y)={\frac {1}{|{\mathcal {S}}|}}\sum _{z}\sum _{1\leq k\leq |z|}P(x_{i}\sim z_{i}|x,z)\cdot P(z_{i}\sim y_{i}|z,y)}
このステップは繰り返すことができます。
ステップ4: ガイドツリーの計算 MEAスコアを配列類似度スコアとして用いた階層的クラスタリングにより、ガイドツリーを構築します。クラスター類似度は、ペアワイズ配列類似度の加重平均を用いて定義されます。
ステップ5: MSAを計算する 最後に、プログレッシブ アライメントまたは反復アライメントを使用して MSA を計算します。
参照
参考文献 ^ Do CB, Mahabhashyam MS, Brudno M, Batzoglou S (2005). 「PROBCONS: 確率的一貫性に基づく多重配列アライメント」. ゲノム研究 . 15 (2): 330– 340. doi :10.1101/gr.2821705. PMC 546535. PMID 15687296 . ^ Roshan, Usman (2014-01-01). 「ProbconsとProbalignを用いた多重配列アライメント」. Russell, David J (編). 多重配列アライメント法 . Methods in Molecular Biology. Vol. 1079. Humana Press. pp. 147– 153. doi :10.1007/978-1-62703-646-7_9. ISBN 9781627036450 . PMID 24170400。 ^ フライブルク大学での講義「バイオインフォマティクス II」
外部リンク 
![{\displaystyle {\begin{aligned}P(x_{i}\sim y_{i}|x,y)\ {\overset {\underset {\mathrm {def} }{}}{=}}&\ \Pr[x_{i}\sim y_{i}{\text{ in some }}a|x,y]\\[8pt]=&\ \sum _{{\text{alignment }}a \atop {{\text{with }}x_{i}-y_{i}}}\Pr[a|x,y]\\[2pt]=&\ \sum _{{\text{alignment }}a}\mathbf {1} \{x_{i}-y_{i}\in a\}\Pr[a|x,y]\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/e47e6c7629738a4d945b1a3ac17ea36b85f8c8c7)
![{\displaystyle {\begin{aligned}E_{\Pr[a|x,y]}(\operatorname {acc} (a^{*},a))&=\sum _{a}\Pr[a|x,y]\operatorname {acc} (a^{*},a)\\&={\frac {1}{\min(|x|,|y|)}}\cdot \sum _{a}\mathbf {1} \{x_{i}\sim y_{i}\in a\}\Pr[a|x,y]\\&={\frac {1}{\min(|x|,|y|)}}\cdot \sum _{x_{i}-y_{i}}P(x_{i}\sim y_{j}|x,y)\end{aligned}}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/f683fdf2a52496b53d98b92c5bf57cee2b7d293f)
![{\displaystyle E(x,y)=\arg \max _{a^{*}}\;E_{\Pr[a|x,y]}(\operatorname {acc} (a^{*},a))}](https://wikimedia.org/api/rest_v1/media/math/render/svg/4bbb65f4a5466323b28ec98d406e9946351049c6)
