Susceptibilidad de las larvas de Gortyna xanthenes (GERMAR ...
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar Fortgeschrittene algorithmische...
-
Upload
raginwald-durner -
Category
Documents
-
view
112 -
download
0
Transcript of Humboldt-Universität zu Berlin, Institut für Informatik, Seminar Fortgeschrittene algorithmische...
Humboldt-Universität zu Berlin, Institut für Informatik,Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005
DIALIGN
Seminarvortrag von
Germar Brauer
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 2
Übersicht
DIALIGN = DIagonal ALIGNment
Versionen: DIALIGN, DIALIGN 2, DIALIGN-T
neue und spezielle Methode für multiples Sequenzalignment (MSA)
Idee: Finden von Proteinfamilien mit gleicher Funktion (hochkonservierte Stücke in verschiedenen Organismen)
Einsatzgebiet: Nukleinsäuresequenzen, Proteinsequenzen
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 3
Voraussetzungen
Algorithmus von Needleman-Wunsch mit gegebener Matrix (PAM, BLOSUM)
„lokale“ Version von Smith-Waterman
Regionen mit hoher Ähnlichkeit werden von Regionen mit geringer Ähnlichkeit unterbrochen (Introns bei DNA, Loops bei Proteinen)
es werden Blöcke statt einzelner Zeichen miteinander verglichen
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 4
Was wird untersucht?
untersucht werden nur die Diagonalen
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 5
Konsistente und nicht-konsistente Paare
konsistente Zuordnung
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 6
Konsistente und nicht-konsistente Paare
nicht-konsistente Zuordnung a) doppelte Belegung
b) cross-over Zuordnung
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 7
Algorithmus
Bilden aller optimalen paarweisen Alignments
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 8
Algorithmus
gegeben : Diagonale D mit Länge l und Anzahl m von Matchen
P ist die Wahrscheinlichkeit eine Diagonale der Länge l mit mindestens m Matches zu bekommen
p Wahrscheinlichkeit in Matrix ein Match zu repräsentieren
p=0,25 bei DNA, p=0,05 bei Proteinen
ilil
miil ppmlP
)1(),(
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 9
Algorithmus
T ist frei wählbarer Schwellenwert (verringert Rauschen)
die Länge Diagonale ist mindestens 7 Werte
sonst
TmlfallsEmlEDw
,0
),(),,(:)(
)),(log(:),( mlPmlE
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 10
Algorithmus
Problem: - Dialign bevorzugt viele kurze Diagonalen vor wenigen langen - signifikante lokale
Gemeinsamkeiten gehen im „Rauschen“ der kleinen zufälligen Diagonalen unter
keine allgemeine Regel für T (Schwellenwert)
benötigte Mindestlänge der Diagonalen ist sehr willkürlich
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 11
Algorithmus
Lösung: neue Wahrscheinlichkeit in Dialign 2
finde eine Diagonale der Länge l mit mindestens m gemeinsamen Paaren, in einer Vergleichsmatrix von 2 zufälligen Sequenzen mit derselben Länge, wie die Originalsequenzen
die Wahrscheinlichkeit hängt nun von l, m und der Länge der Sequenzen ab
),(* mlP
)),(log()( *2 mlPDw
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 12
Algorithmus
basieren auf experimentell ermittelten Werten
für kleinere Werte gilt folgende Approximation
definiere:
5* 10),( mlP
),(),( 21* mlPllmlP
21 loglog: llK
KDwllmlP
mlPllmlPDw
)(loglog),(log
)],(log[),(log)(
21
21*
2
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 13
Algorithmus (Overlap)
Sj gehört zu Dl und Dm
)(:),(~ nml DwDDw
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 14
Algorithmus (Overlap)
sind Dl und Dm identisch oder haben keinen Overlap
für eine beliebige Diagonale D wird Overlap-Gewicht folgendermaßen definiert
DE
EDwDwDw ),(~)(:)(*
0:),(~ ml DDw
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 15
Algorithmus
Gewichtsscore für Diagonalen berechnen
je größer das Gewicht, desto signifikanter die Diagonale
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 16
Algorithmus
Überführen der Diagonalen in MSA mit Greedy-Strategie
Diagonale mit höchsten Score wird die erste Diagonale
Überprüfen der weiteren Diagonalen auf Konsistenz und MSA hinzufügen
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 17
Algorithmus
Wiederholen des Algorithmus – weitere Diagonale
D5 mit Gewicht 4,6 zum MSA hinzufügen
im weiteren Schritt keine neuen Diagonalen
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 18
Algorithmus
einmal hinzugefügte Diagonale kann nicht mehr entfernt werden
Ergebnis: alle Diagonalen werden in Spalten angeordnet unbenutzte Zeichen werden klein
geschrieben
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 19
Überblick
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 20
Zeitkomplexität
„consistency bounds“ und
für x und Sequenz S1
für x und Sequenz S2
benötigt für jede Diagonale, die zu M2 kommt
),( ixb ),( ixb
5)1,( xb 9)1,( xb
4)2,( xb 7)2,( xb
)( 2 LNO
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 21
Zeitkomplexität
(a)
(b)
(c)
(d)
Gesamtkomplexität:
)( 24anNO
)( 2anNO
)( 22 LNO
)( 22 LNnNO a
)( 24 LNO
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 22
Ergebnisse Vergleich mit anderen MSA Algorithmen
(HTH = Helix-Turn-Helix, bHLH = basic Helix-Loop-Helix)
HTH Transferase bHLHSequenzanzahl 30 16 9DIALIGN 1, T=10 19,2,2 16 9DIALIGN 2, T=0 24,2 16 9TWOALIGN 10,6,3,3 13,2 9ITERALIGN 16 15 9CLUSTAL W 5,3,2,2,2 13 3,2
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 23
Vorteile
beim globalen Alignment vergleichbare Ergebnisse mit anderen Standardmethoden (Clustal W)
bessere Ergebnisse im Vergleich mit anderen Methoden beim lokalen Alignment
kleine hochkonservierte Regionen werden erkannt
keine Strafpunkte für Gaps
Nachteil: Dialign kann leicht im lokalen Maximum laufen
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 24
Screenshot http://bibiserv.techfak.uni-bielefeld.de/dialign/
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 25
Beispiel
Humboldt-Universität zu Berlin, Institut für Informatik, Seminar “Fortgeschrittene algorithmische Bioinformatik”, SS 2005 26
Literatur
B. Morgenstern (1999) DIALIGN 2: improvement of the segment-to-segment approach to multiple sequence alignment. Bioinformatics 15, 211-218
B. Morgenstern, W.R. Atchley, K. Hahn, A. Dress (1998) Segment-based scores for pairwise and multiple sequence alignments. Proceedings ISMB'98, pp. 115-121
B. Morgenstern, A. Dress, T. Werner (1996) Multiple DNA and protein sequence alignment based on segment-to-segment comparison.Proc. Natl. Acad. Sci. USA 93, 12098-12103
B. Morgenstern, K. Frech, A. Dress, T. Werner (1998) DIALIGN: Finding local similarities by multiple sequence alignment.Bioinformatics 14, 290-294