Andrea Renieri Matteo Tanca - Dipartimento di...

IntroduzioneApprocci al problema

ToolConfronto risultati

Tool di allineamento multiplo a confrontoBioinformatica a.a. 2007/08

Andrea Renieri Matteo Tanca

Università di Pisa, Dipartimento di Informatica

11 Dicembre 2007

A. Renieri, M. Tanca Tool di allineamento multiplo a confronto



SCHEMA DELLA PRESENTAZIONE

1 INTRODUZIONEDefinizione del problemaCampi d’applicazioneComplessità delproblema

3 TOOLMultiLaganCLUSTALAMAPSAGA

2 APPROCCI AL PROBLEMAAllineamenti basati sustrutturaApprocci probabilisticiApprocci alternativi

4 CONFRONTO RISULTATITestRisultati sperimentali




Definizione del problemaCampi d’applicazioneComplessità del problema

ALLINEAMENTO MULTIPLO DI SEQUENZEDEFINIZIONE DEL PROBLEMA

Generalizzazione dell’allineamento fra due sequenzeDato un insieme di sequenze {s1, ..., sk}, definite sulmedesimo alfabeto, un allineamento s′1, ..., s

′k è ottenuto

inserendo degli spazi nelle sequenze, in modo che:1) |s′1| = |s′2| = ... = |s′k | = n2) Nessuna colonna sia costituita da soli spazi





ALLINEAMENTO MULTIPLO DI SEQUENZEDEFINIZIONE DEL PROBLEMA

Generalizzazione dell’allineamento fra due sequenzeDato un insieme di sequenze {s1, ..., sk}, definite sulmedesimo alfabeto, un allineamento s′1, ..., s

′k è ottenuto

inserendo degli spazi nelle sequenze, in modo che:1) |s′1| = |s′2| = ... = |s′k | = n2) Nessuna colonna sia costituita da soli spazi

ESEMPIO-ACTTGT-C-CT-GT-ACACTGGT





CAMPI D’APPLICAZIONE

Costruzione di alberi filogeneticiGenerazione di profiliCaratterizzazione di proteine con funzione sconosciuta (edidentificazione di domini funzionali)





COMPLESSITÀ DEL PROBLEMACOMPLESSITÀ COMPUTAZIONALE

Trovare l’allineamento ottimo fra più di due sequenze è unproblema computazionalmente difficile (più esattamenteNP-completo)Il tempo richiesto dalla risoluzione del problema cresceesponenzialmente rispetto alla dimensione dei dati daallineareEsistono algoritmi esatti (Smith-Waterman,Needleman-Wunsch), ma sono computazionalmenteimpraticabili: non è possibile calcolare una soluzioneesatta in tempo ragionevole!





COMPLESSITÀ DEL PROBLEMASOLUZIONI APPROSSIMATE

Non potendo calcolare una soluzione esatta, ci siaccontenta di un’approssimazione sufficientemente“buona”Approssimazioni delle soluzioni possono essere calcolatemediante:

euristichemetodi statistici e probabilisticimetodi alternativi (FFT, algoritmi genetici)





COMPLESSITÀ DEL PROBLEMAFUNZIONE DI SCORE

Assegnare un punteggio ad un allineamento multiplo è piùcomplicato rispetto al caso a 2 sequenzeDesiderata

Indipendenza dall’ordine delle sequenzeMalus per spazi e segmenti scorrelati e bonus per segmenticorrelatiSensibilità (pochi falsi negativi)Specificità (pochi falsi positivi)

SP (Sum of Pairs): “classica” funzione di valutazione, datadalla somma dei punteggi di allineamento coppia a coppiasui simboli di una data colonna




Allineamenti basati su strutturaApprocci probabilisticiApprocci alternativi

1 INTRODUZIONE

3 TOOL

2 APPROCCI AL PROBLEMAAllineamenti basati sustrutturaApprocci probabilisticiApprocci alternativi

4 CONFRONTO RISULTATI





ALLINEAMENTI BASATI SU STRUTTURA

Gli allineamenti basati su struttura limitano il numerodi allineamenti considerati, imponendo un ordine divalutazione, attraverso l’utilizzo di un’opportuna struttura

Stella

Albero

Grafo





ALLINEAMENTI BASATI SU STRUTTURASTAR ALIGNMENT

Idea: selezionare una sequenza fra quelle in esame edutilizzarla come “cardine”

1 La sequenza di indice i èselezionata come centrodella stella

2 Per ogni coppia (i , j), j 6= isi calcola la distanza diedit fra le due sequenze

3 Si minimizza la funzione discore d










i










a1

2

a3

a

ai+1

ni

i-1










a1

2

a3

a

ai+1

ni

i-1

dE1










a1

2

a3

a

ai+1

ni

i-1

dE1dE2










a1

2

a3

a

ai+1

an

i

i-1

dE1dE2

dE3

dEi-1dEi+1dEn










a1

2

a3

a

ai+1

an

i

i-1

dE1dE2

dE3

dEi-1dEi+1dEn

minn∑

k=1

dE(k , i)





ALLINEAMENTI BASATI SU STRUTTURAALLINEAMENTI BASATI SU GRAFI

Should multiple sequence alignment be linear? [Lee et al.- 2002]Appiattire troppo la struttura del problema può determinarela perdita di alcune informazioni (specie nel casodell’allineamento di proteine)La struttura di valutazione a grafo è stata proposta neltentativo di rispettare la struttura tridimensionale delleproteine





ALLINEAMENTI BASATI SU STRUTTURAI TOOL

Allineamento a stella: SAlign, Modeller

Allineamento ad albero: CLUSTAL, Multi-Lagan,T-Coffee, ...

Allineamenti su grafi: POA (Partial Order Alignment),ABA (A-Brujn Alignment)





APPROCCI PROBABILISTICI

Il problema è formulato in termini di un modello matematicoHMM (Hidden Markov Model): modello probabilistico, in cuisi assume che il sistema modellato sia un processo diMarkov a parametri sconosciutiL’informazione probabilistica può (eventualmente) esseresfruttata per costruire strutture di valutazione (alberi,grafi...)





APPROCCI PROBABILISTICII TOOL

ProbCons, ProbAlignSAMAMAP





APPROCCI ALTERNATIVI1/2

MAFFT: metodo basato sulla codifica dell’allineamentomultiplo in termini di trasformate discrete di Fourier (DFT)L’algoritmo FFT (Fast Fourier Transform) permette dicalcolare le trasformate in maniera molto efficiente(complessità in tempo O(N · logN))Consente di ottenere molto rapidamente buoneapprossimazioni della soluzione esatta





APPROCCI ALTERNATIVI2/2

SAGA (Sequence Alignment by Genetic Algorithm):metodo di allineamento multiplo basato sull’uso di unalgoritmo geneticoAlgoritmi genetici: usati per risolvere problemi di ricercae ottimizzazione, simulano l’evoluzione di una popolazionedi possibili soluzioni, in base al principio biologico dellaselezione naturaleLa popolazione iniziale è generata (pseudo-)casualmentee la qualità dei singoli individui è misurata mediante unafunzione di fitness




MultiLaganCLUSTALAMAPSAGA

1 INTRODUZIONE


2 APPROCCI AL PROBLEMA






MLAGAN E CLUSTALW

MLAGAN e CLUSTALW sono tool che realizzanol’allineamento di più sequenze (multiple alignment)Entrambi si basano su:

Allineamento progressivo

Alberi filogenetici





ALLINEAMENTO PROGRESSIVO1/3

Per affrontare il problema dell’allineamento multiplo intempi accettabili c’è bisogno di metodi che facciano uso dieuristicheIl metodo più usato è quello dell’allineamentoprogressivoL’allineamento progressivo consiste nella costruzioneprogressiva di allineamenti di coppie di sequenze






Dato un insieme di sequenze da allineare, vengono sceltee allineate due sequenze s1 ed s2, da cui si ottiene unanuova sequenzaViene scelta poi una terza sequenza s3 da allineare alprecedente allineamento, e così via

s1s2s3

sn…







s1s2s3

sn…

s1/2







s3

sn…

s1/2







s3

sn…

s1/2s1/2/3







sn…

s1/2/3 Considerazione: sequenze genetiche simili derivano da organismi “parenti”

L’allineamento progressivo “sfrutta” questa considerazione






Regola: ad ogni passoallineare le sequenze piùsimiliUn albero filogenetico è unalbero binario che mette inrelazione di “parentela”specie odierne e antenaticomuni

Foglie: specie attualiNodi: specie ancestrali






Regola: ad ogni passo allineare le sequenze più simili







mseq 1/2

seq 3

seq 4







mseq 1/2

mseq 3/4







mseq 1/2/3/4





MULTILAGANLAGAN E MLAGAN

LAGAN: realizza l’allineamento globale tra coppie disequenze (global pairwise alignment)MLAGAN: realizza l’allineamento globale di più sequenze(global multiple alignment) effettuando progressivamentegli allineamenti pairwise, tramite LAGAN (progressivealignment)





LAGAN 1/2

LAGAN (Limited Area Global Alignment of Nucleotides) èun tool per l’allineamento di due sequenzeÈ utile che le sequenze da analizzare siano ortologhe

LAGAN and MLAGAN assume that one has alreadyidentified apparent orthologous regions between twospecies, and that there are no genomic rearrangements





LAGAN 2/2

LAGAN allinea una coppia di sequenze in tre passi principali:

1 Generazione allineamentilocali tra 2 sequenze(CHAOS)

2 Concatenazionesottoinsieme degliallineamenti locali ecostruzione di una primaglobal map

3 Calcolo dell’allineamentoglobale utilizzando laglobal map

ATCCGTGCATGGATGCATCTCCAC

CTCGTAGCGGATATCGCACAATCG





LAGAN 2/2

LAGAN allinea una coppia di sequenze in tre passi principali:

1 Generazione allineamentilocali tra 2 sequenze(CHAOS)

2 Concatenazionesottoinsieme degliallineamenti locali ecostruzione di una primaglobal map

3 Calcolo dell’allineamentoglobale utilizzando laglobal map

ATCCGTGCATGGATGCATCTCCAC

CT

CG

TA

GC

GG

AT

AT

CG

CA

CA

AT

CG





PRIMA FASE: ALLINEAMENTI LOCALI1/5

CHAOS (CHAins Of Seeds): algoritmo utilizzato di defaultda LAGAN per gli allineamenti localiTrova omologie locali tra due sequenze e le concatena,costruendo allineamenti locali (anchor)Per prima cosa sono trovate piccole sotto-sequenze(seed) comuni alle due sequenze principaliUn seed non deve necessariamente presentarsi identico inentrambe le sequenze






Dati:una lunghezza k ,un numero massimo di differenze c,

un (k , c)− seed è un seed lungo k che può avere cdifferenze in entrambe le sequenze






Dati:una lunghezza k ,un numero massimo di differenze c,

un (k , c)− seed è un seed lungo k che può avere cdifferenze in entrambe le sequenze

ESEMPIO

...GGTGCTTGTA......CAGATTATCT...

(6,2)-seed = (GCTTGT, GATTAT)






CHAOS dopo aver trovato i seed, cerca di concatenarlicreando allineamenti locali (anchor). Dati:

d : massima distanzas: massimo shift

Due seed distanti x e y , rispettivamente nella prima eseconda sequenza, possono essere concatenati se:

x ≤ dy ≤ d|x − y | ≤ s






È possibile che un seed s1 possa soddisfare le relazioniappena viste con più di un singolo altro seed

ESEMPIO

x ≤ d x1 ≤ dy ≤ d y1 ≤ d|x− y| ≤ s |x1 − y1| ≤ s






In tal caso s1 è concatenato ad un seed con cui crei unacatena di score massimoScore di una catena: viene assegnata in base ai solitiprincìpi generali di punteggio

Bonus per match fra caratteri dei seedMalus per mismatch fra caratteri dei seedMalus per gap





SECONDA FASE: GLOBAL MAP1/3

LAGAN ordina gli allineamenti locali prodotti da CHAOS inuna global mapUn allineamento locale è un vettore (b,e,b′,e′, s) cherappresenta

1 la posizione iniziale e finale (begin, end) dell’allineamentonelle due sequenze

2 lo score dell’allineamento






Dati due allineamentilocali:

A1 = (b1,e1,b′1,e

′1, s1)

A2 = (b2,e2,b′2,e

′2, s2)

A1 < A2 sse:e1 < b2e′

1 < b′2

Una catena di allineamenti locali A1 < A2 < ... < Ak hascore s1 + s2 + ...+ sk






La global map ottima è quella con lo score più altoPuò essere calcolata usando Sparse DynamicProgrammingIl calcolo ha complessità in tempo O(n · logn), dove n è ilnumero di allineamenti locali considerati





COSTRUZIONE DELL’ALLINEMENTO GLOBALE1/2

L’algoritmo di Needleman-Wunsch utilizza una matrice(M + 1)× (N + 1)

M e N sono le lunghezze delle sequenze da allineareL’algoritmo calcola il valore di ogni cella della matrice ecalcola il path con lo score più alto dalla cella [0,0] fino allacella [N,M]

L’algoritmo ha complessità in tempo O(N ·M)





COSTRUZIONE DELL’ALLINEMENTO GLOBALE2/2

Lagan, per velocizzare il calcolo, adotta la seguente strategia:qualora sia noto che un certo allineamento passa per lacasella [i , j] si evita di calcolare il valore delle celleall’interno dei rettangoli delimitati dalle celle[i + 1,0], [M, j − 1] e da [0, j + 1], [i − 1,N]





TERZA FASE: ALLINEMENTO GLOBALE1/2

L’algoritmo riceve in input un parametro r (che delimital’area di ricerca) e per ogni allineamento da [i , j] a [i ′, j ′]valuta lo score delle celle incluse nell’unione formata:

dal rettangolo da [0,0] a[i + r , j + r ]dal rettangolo da[i ′ − r , j ′ − r ] a [M,N]

dalle due diagonali da[i − r , j + r ] a [i ′ − r , j ′ + r ]e da [i + r , j − r ] a[i ′ + r , j ′ − r ]





TERZA FASE: ALLINEMENTO GLOBALE2/2

Gli anchor forniscono aree della global map dalle qualideve passare l’allineamentoLa complessità in tempo dell’algoritmo dipende dal numerodi celle comprese fra anchor consecutivi





MULTILAGAN

MLAGAN (MultiLagan) è un tool per l’allineamento globaledi più sequenzeBasato su allineamenti progressivi effettuati medianteLAGANPresuppone un albero filogenetico in ingresso, su cuibasare gli allineamenti progressiviLa richiesta ha un senso qualora si cerchino allineamentifra sequenze ortologhe appartenenti a specie di cui sianoto l’albero filogenetico





MLAGANALGORITMO

Dati N sequenze ed un albero filogenetico

1 Allineamento globalepairwise di sequenze omulti-sequenze

2 Iterazione punto 13 Miglioramento

(opzionale)





MLAGANALGORITMO




(opzionale)

mseq 1/2

seq 3

seq 4





MLAGANALGORITMO




(opzionale)

mseq 1/2

mseq 3/4





MLAGANALGORITMO




(opzionale)

mseq 1/2/3/4





ALLINEAMENTO GLOBALE PAIRWISE (PASSI 1 E 2)1/3

Per allineare una multiseq. X/Y con una (multi)seq. Z ènecessario costruire una global map, che è generata in 2 passi

Passo 1A: gli anchor tra X e Z che non si sovrappongono con glianchor tra Y e Z, divengono anchor tra X/Y e Z,mantenendo il proprio score

x

z

y

z







Passo 1A: gli anchor tra X e Z che non si sovrappongono con glianchor tra Y e Z, divengono anchor tra X/Y e Z,mantenendo il proprio score

x

z

x/y

z







Passo 1B: gli anchor tra Y e Z che non si sovrappongono con glianchor tra X e Z, divengono anchor tra X/Y e Z

x

z

y

z







Passo 1B: gli anchor tra Y e Z che non si sovrappongono con glianchor tra X e Z, divengono anchor tra X/Y e Z

z

x/y







Passo 2: di ogni anchor tra X e Z che si sovrappone anchein parte con un anchor tra Y e Z, viene ricalcolato lo score

x

z

y

z







Passo 2: di ogni anchor tra X e Z che si sovrappone anchein parte con un anchor tra Y e Z, viene ricalcolato lo score

x/y

z







x

z

y

z

x/y

z





MIGLIORAMENTO [OPZIONALE] (PASSO 3)1/2

Un difetto dell’allineamento progressivo è che gliallineamenti pairwise iniziali sono immodificabili, anche se,andando avanti negli allineamenti, vengono trovate alcuneinesattezze negli allineamenti precedentiSoluzione: raffinamento iterativoMLAGAN introduce una versione del raffinamentocircoscritta ad aree ridotte (limited area version of iterativerefinement)





MIGLIORAMENTO [OPZIONALE] (PASSO 3)2/2

Iterativamente ogni sequenza viene rimossadall’allineamento globaleOgni regione della sequenza rimossa che migliorasignificativamente lo score dell’allineamento diventa unanchorLa sequenza è riallineata all’allineamento multiplo(utilizzando LAGAN)





SCORE DELL’ALLINEAMENTO MULTIPLO

MLAGAN definisce una propria funzione di scoreIl punteggio di un allineamento multiplo è dato da unacombinazione lineare di consensus e Sum of Pairs





1 INTRODUZIONE








CLUSTALW1/2

CLUSTAL è un tool per l’allineamento globale di piùsequenze (global multiple alignment)Utilizza la tecnica dell’allineamento progressivoCLUSTALW è spesso usato per l’allineamento di sequenzeproteiche divergenti

W sta per Weights





CLUSTALW2/2

Clustal W esegue l’allineamento progressivo in tre passiprincipali:

1 Costruzione di una matrice delle distanze, valutata su tuttele coppie delle sequenze

2 Costruzione di un albero filogenetico guida delle sequenzemediante il metodo neighbour joining

3 Allineamento pairwise progressivo delle sequenze rispettoalla similarità data dall’albero





PASSO 1: COSTRUZIONE DELLA MATRICE DELLE

DISTANZE1/3

Date n sequenze da allineare, Clustal W allinea tutte lecoppie di sequenze separatamente e costruisce unamatrice delle distanze tra ogni coppia di sequenzeLo score dell’allineamento pairwise viene convertito in“distanza” (∈ [0,1]) tra due sequenze

Seq. 1 Seq. 2 Seq. 3 Seq. 4Seq. 1 0.00Seq. 2 0.11 0.00Seq. 3 0.32 0.43 0.00Seq. 4 0.17 0.18 0.57 0.00






DISTANZE2/3

I programmi della serie CLUSTAL calcolano la matricedelle distanze con un metodo approssimato ma veloceCLUSTALW dà anche la possibilità di calcolare la matricecon un metodo più accurato, ma computazionalmentelento (decine di minuti)

basato su allineamenti effettuati con programmazionedinamicamatrici per attribuire il peso ai match/mismatch (matriciPAM o BLOSUM)






DISTANZE3/3

PAM (Percent Accepted Mutations): l’entry (i , j) contienelo score assegnato alla coppia di aminoacidi (Ai ,Aj)

Lo score è proporzionale alla frequenza con cui ci siaspetta che Ai sostituisca Aj

Alcune sostituzioni di aminoacidi occorrono più facilmentedi altreProteine omologhe non devono necessariamente avere glistessi aminoacidi in ogni posizione





PASSO 2: COSTRUZIONE ALBERO GUIDA1/3

L’euristica in CLUSTALW consiste nell’allineare per primele sequenze più vicineViene costruito un albero filogenetico (a partire dallamatrice delle distanze)

Metodo neighbour joining

Importanza della “precisione” della matrice delle distanze






Dalla matriceviene scelta lacoppia chediverge meno:essa formerà ilprimosottoalbero

Seq. 1 Seq. 2 Seq. 3 Seq. 4Seq. 1 0.00Seq. 2 0.11 0.00Seq. 3 0.32 0.43 0.00Seq. 4 0.17 0.18 0.57 0.00

Seq 1 Seq 2

Seq 1/2Seq 1

Seq 2

Seq 3

Seq 4

Seq 1

Seq 2

Seq 3

Seq 4






Nella matrice vienesostituita la entrySeq 1/2 alle singoleentry Seq 1 e Seq 2Vengono calcolate ledistanze di Seq 1/2dalle sequenzerimanenti (mediaaritmetica)

Seq. 1/2 Seq. 3 Seq. 4Seq. 1/2 0.00Seq. 3 0.375 0.00Seq. 4 0.175 0.57 0.00






Dalla matrice vienescelta la coppiache diverge meno:essa formerà ilsecondosottoalbero

Seq. 1/2 Seq. 3 Seq. 4Seq. 1/2 0.00Seq. 3 0.375 0.00Seq. 4 0.175 0.57 0.00

Seq 1/2 Seq 4

Seq 1/2/4Seq 1

Seq 2

Seq 4

Seq 3

Seq 1

Seq 2

Seq 4

Seq 3






Si ottiene un albero senza radiceLa radice viene posta tramite il metodo “mid-point”La lunghezza dei rami è proporzionale alla divergenzadelle sequenze che essi rappresentano





PASSO 3: ALLINEAMENTO MULTIPLO

CLUSTAL W realizza l’allineamento multiplo tramiteallineamenti pairwise progressivi

Le coppie vengono allineate seguendo l’ordine datodall’albero a partire dalle sequenze più simili





FUNZIONE DI SCORE1/3

Alignment weightingPer dare uno score agli allineamenti vengono utilizzatematrici di score e il punteggio dato alle sequenze nell’albero

1 peeksavtal

2 geekaavlal

3 padktnvkaa

4 aadktnvkaa

5 egewqlvlhv

6 aaektkirsa

Score = M(t,v) * w1 * w5 +

M(t,i) * w1 * w6 +

M(l,v) * w2 * w5 +

M(l,i) * w2 * w6 +

M(k,v) * w3 * w5 +

M(k,i) * w3 * w6 +

M(k,v) * w4 * w5 +

M(k,i) * w4 * w6

M(x,y) è la entry nella matrice di score per l’aminoacido X vs Y

w n è lo score dato alla sequenza n






Ad ogni diramazione dell’albero viene dato un valore chedipende:

dalla distanza della diramazione dalla radicedalla divergenza delle sequenze che la diramazionerappresenta






Tramite questi valori viene dato uno score ad ognisequenzaLo score è calcolato a partire dalla distanza dellasequenza dalla radice tenendo conto dei rami in comunecon altre sequenze

ESEMPIO






Per ogni allineamento pairwise viene usato un algoritmo diprogrammazione dinamica. Vengono usate:

Matrici di score PAM o BLOSUMPenalità per gap

Alignment weightingPer dare uno score agli allineamenti vengono utilizzatematrici di score e il punteggio dato alle sequenze nell’albero

1 peeksavtal

2 geekaavlal

3 padktnvkaa

4 aadktnvkaa

5 egewqlvlhv

6 aaektkirsa

Score = M(t,v) * w1 * w5 +

M(t,i) * w1 * w6 +

M(l,v) * w2 * w5 +

M(l,i) * w2 * w6 +

M(k,v) * w3 * w5 +

M(k,i) * w3 * w6 +

M(k,v) * w4 * w5 +

M(k,i) * w4 * w6

M(x,y) è la entry nella matrice di score per l’aminoacido X vs Y

w n è lo score dato alla sequenza n





RIEPILOGOOSSERVAZIONI

L’allineamento progressivo è un approccio euristico, quindinon è detto che il metodo restituisca l’allineamento miglioreSe le sequenze sono molto simili, allora l’allineamentoprogressivo è più che ragionevoleSe le sequenze sono molto diverse l’allineamentoprogressivo diviene meno attendibileProblema del local minimum: un errore introdotto neiprimi allineamenti pairwise non può essere corretto e puòcorrompere l’allineamento multiplo





RIEPILOGOMLAGAN E CLUSTALW

MLAGANUsa algoritmi di programmazione dinamica a partire daiseedNecessita di un albero filogenetico passato comeparametroBuona funzione di scoreCerca di ovviare al local minimum

CLUSTAL WUsa algoritmi di programmazione dinamicaPer allineamento di sequenze aminoacidiche utilizza matricidi score per aminoacidiSi basa su un albero filogenetico creato autonomamenteBuona funzione di scoreNon risolve il problema del local minimum





1 INTRODUZIONE








AMAPPROTEIN MULTIPLE ALIGNMENT BY SEQUENCE ANNEALING

La più comune metrica prestazionale per tool diallineamento multiplo è data dalla sensibilità (recall)Sensibilità: dato un insieme di sequenze di benchmark (dicui si conoscono gli allineamenti ottimi), la sensibilità è lapercentuale di posizioni omologhe correttamenteindividuate dal toolLa specificità (capacità di evitare falsi positivi) dellostrumento è però (quasi) altrettanto importante





AMAPCARATTERISTICHE GENERALI

AMAP adotta un approccio algoritmico del tipo temprasimulata, ottenendo buoni risultati tanto per sensibilità,quanto per specificitàL’allineamento non è progressivo : viene costruito unmatch alla volta!Il comportamento dell’algoritmo è probabilistico emodellato da PHMM (Pair Hidden Markov Model)





ALLINEAMENTO MULTIPLO GLOBALE PARZIALE

Un allineamento multiplo globale parziale (PGMA) disequenze σ1, σ2, . . . , σk è:

un insieme parzialmente ordinato (poset)P = {c1, c2, . . . , cm} euna funzione surgettiva ϕ : Sσ1,σ2,...,σk → P tale che:i ≤ j ⇒ ϕ(σa

i ) ≤ ϕ(σaj )

c1,c2, . . . ,cm: colonne dell’allineamento multiploσn

i : i-esima posizione della n-esima sequenzaNota: un insieme parzialmente ordinato può essererappresentato in maniera equivalente con un grafo direttoaciclico (DAG)





ALLINEAMENTO MULTIPLO GLOBALE

Un allineamento multiplo globale può essere espressoin termini di allineamenti multipli parzialiUn’estensione lineare di un insieme parzialmenteordinato P = {c1, c2, . . . , cm} è una permutazione deglielementi tale che ci < cj ⇒ i < jUn allineamento globale è un PGMA più un’estensionelineare dell’insieme P ad esso associato






ESEMPIO

N G Y E

S Y Y S

E L I G K P Q

S L K Q






ESEMPIO

N G Y E

S Y Y S

E L I G K P Q

S L K Q

φ 5

9

6

4

7

2

3

1

8






ESEMPIO

N G Y E

S Y Y S

E L I G K P Q

S L K Q

φ 5

9

6

4

7

2

3

1

8

- - N G Y E - - -

- - S Y Y S - - -

E L I G K - P - Q

S L - - - - - K Q

1 2 3 4 5 6 7 8 9





ALGORITMOINTUIZIONE

Ad ogni passo il numero di colonne dell’allineamentoparziale attuale viene ridotto di 1, operando sulle posizioniche hanno maggiore probabilità di essere omologheSi utilizzano probabilità a posteriori, che esprimono laprobabilità di un’ipotesi in seguito all’osservazione di uncerto eventoLa funzione di score è una combinazione dellaDevelopment score fD (equivalente alla SP) con unametrica (AMA) che preserva maggiormente la specificitàDue colonne sono fuse solo se il PGMA generato ha unavalutazione non peggiore del precedente





ALGORITMO

PSEUDOCODICE

ML ← MNulli ← Lwhile ∃ cMi

k , cMil : merge(cMi

k , cMil ) = M ′ and f (M ′) ≥ f (Mi) do

Mi−1 ← M ′

i ← i − 1end while





SEQUENCE ANNEALING

Sequence annealing: dato un insieme di sequenze S eduna funzione di score f , un SA è una catena di PGMA

ML ⊃ ML−1 ⊃ ML−2 ⊃ · · · ⊃ Mr tale che

Mi è associato all’insieme Pi e |Pi | = i (il numero dicolonne del PGMA di indice i è pari ad i)

f (Mi+1) ≤ f (Mi)

Mi è ottenuto da Mi+1 tramite fusione di due colonne c i+1j e

c i+1k in una c i

h





MERGEAPPROCCIO TEORICO

1 Controlla se due colonne possono essere fuse2 In caso affermativo, dopo aver effettuato la fusione,

aggiorna l’insieme parzialmente ordinato

Il problema di trovare un’estensione lineare può essererisolto in maniera efficiente risolvendo l’online topologicalordering problem sul grafo equivalenteOnline topological ordering problem: problemadell’ordinamento topologico in cui i vertici del grafocompaiono uno per volta





MERGEIMPLEMENTAZIONE PRATICA

Ad ogni coppia di colonne è assegnato un pesoLe coppie sono poste in uno heapAd ogni iterazione la coppia di peso più elevato vieneestratta dallo heap (in tempo costante)I pesi variano dinamicamente: logicamente decrescono adogni fusione, ma per ragioni di efficienza sono ricalcolatisolo al momento dell’estrazione





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPKCVR-------------------------------------------------

SEQ2---------------CQANNMWGPTRLPTCVS--------------------------------

SEQ3--------------------------------IWSGKPPICEKV--------------------

SEQ4--------------------------------------------CLISGSSVQWSDPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPK--------------CVR----------------------------------

SEQ2------------CQANNMWGPTRLPTC--VS--------------------------------

SEQ3-------------------------------IWSGKPPICEKV--------------------

SEQ4-------------------------------------------CLISGSSVQWSDPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPK--------------CVR---------------------------------

SEQ2------------CQANNMWGPTRLPTCV-S--------------------------------

SEQ3------------------------------IWSGKPPICEKV--------------------

SEQ4------------------------------------------CLISGSSVQWSDPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPK--------------CVR--------------------------------

SEQ2------------CQANNMWGPTRLPTCVS--------------------------------

SEQ3-----------------------------IWSGKPPICEKV--------------------

SEQ4-----------------------------------------CLISGSSVQWSDPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPK--------------CVR-------------------------------

SEQ2------------CQANNMWGPTRLPTCVS-------------------------------

SEQ3-----------------------------IWSGKPPI----------------CEKV---

SEQ4-------------------------------------CLISGSSVQWSDPLPEC---REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPK--------------CVR------------------------------

SEQ2------------CQANNMWGPTRLPTCVS------------------------------

SEQ3-----------------------------IWSGKPPI----------------CEK--V

SEQ4-------------------------------------CLISGSSVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPK--------------CVR-----------------------------

SEQ2------------CQANNMWGPTRLPTCVS-----------------------------

SEQ3-----------------------------IWSGKPPI----------------CE-KV

SEQ4-------------------------------------CLISGSSVQWSDPLPEC-REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPELPK--------------CVR----------------------------

SEQ2------------CQANNMWGPTRLPTCVS----------------------------

SEQ3-----------------------------IWSGKPPI----------------CEKV

SEQ4-------------------------------------CLISGSSVQWSDPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPE----------------------------------LPKCVR------

SEQ2-----------CQANNMWGPTRLP---------------------TCVS------

SEQ3----------------------------IWSGKPPI---------------CEKV

SEQ4---------CL-------------ISGS--------SVQWSDPL-----PECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPE----------------------------------LPKCVR-----

SEQ2-----------CQANNMWGPTRLP---------------------TCVS-----

SEQ3----------------------------IWSGKPPI--------------CEKV

SEQ4---------CL-------------ISGS--------SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPE---------------------------------LPKCVR-----

SEQ2-----------CQANNMWGPTRLP--------------------TCVS-----

SEQ3----------------------------IWSGKPP-------------ICEKV

SEQ4---------CL-------------ISGS-------SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKPE--------------------------------LPKCVR-----

SEQ2-----------CQANNMWGPTRLP-------------------TCVS-----

SEQ3----------------------------IWSGKP--------P----ICEKV

SEQ4---------CL-------------ISGS------SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWKP-------------------------------ELPKCVR-----

SEQ2----------CQANNMWGPTRLP-------------------TCVS-----

SEQ3---------------------------IWSGKP--------P----ICEKV

SEQ4--------CL-------------ISGS------SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTWK------------------------------PELPKCVR-----

SEQ2---------CQANNMWGPTRLP-------------------TCVS-----

SEQ3--------------------------IWSGKP--------P----ICEKV

SEQ4-------CL-------------ISGS------SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNTW-----------------------------KPELPKCVR-----

SEQ2--------CQANNMWGPTRLP-------------------TCVS-----

SEQ3-------------------------IWSGKP--------P----ICEKV

SEQ4------CL-------------ISGS------SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNT----------------------------WKPELPKCVR-----

SEQ2-------CQANNMWGPTRLP-------------------TCVS-----

SEQ3------------------------IWSGKP--------P----ICEKV

SEQ4-----CL-------------ISGS------SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNT-----------------------W----KPELPKCVR-----

SEQ2-------CQANNMWGPTRLP------------------TCVS-----

SEQ3------------------------I---WSGKP----P----ICEKV

SEQ4-----CL-------------ISGS-SVQW----SDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNT-----------------------W--KPE-LPKCVR-----

SEQ2-------CQANNMWGPTRLP-----------------TCVS-----

SEQ3------------------------I---WSG--KP-P----ICEKV

SEQ4-----CL-------------ISGS-SVQW--SDP-LP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNT-----------------------W--KPELPKCVR-----

SEQ2-------CQANNMWGPTRLP----------------TCVS-----

SEQ3------------------------I---WSG--KPP----ICEKV

SEQ4-----CL-------------ISGS-SVQW--SDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNT-----------------------WK-PELPKCVR-----

SEQ2-------CQANNMWGPTRLP---------------TCVS-----

SEQ3------------------------I---WSG-KPP----ICEKV

SEQ4-----CL-------------ISGS-SVQWS-DPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNT-----------------------WKPELPKCVR-----

SEQ2-------CQANNMWGPTRLP--------------TCVS-----

SEQ3------------------------I---WSGKPP----ICEKV

SEQ4-----CL-------------ISGS-SVQWSDPLP----ECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPGNT-----------------------WKPELPK-CVR---

SEQ2-------CQANNMWGPTRLP--------------T-CVS---

SEQ3------------------------I---WSGKPP-IC--EKV

SEQ4-----CL-------------ISGS-SVQWSDPLP-EC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPG------NT----------------WKPELPK-CVR---

SEQ2---CQ--ANN-MWGPTRLP--------------T-CVS---

SEQ3-----------------------I---WSGKPP-IC--EKV

SEQ4-----CL------------ISGS-SVQWSDPLP-EC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPG------NT----------------WKPELPKCVR---

SEQ2---CQ--ANN-MWGPTRLP--------------TCVS---

SEQ3-----------------------I---WSGKPPIC--EKV

SEQ4-----CL------------ISGS-SVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPG------NT---------------WKPELPKCVR---

SEQ2---CQ--ANN-MWGPTRL-------------PTCVS---

SEQ3----------------------I---WSGKPPIC--EKV

SEQ4-----CL-----------ISGS-SVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SPG------NT--------------WKPELPKCVR---

SEQ2---CQ--ANNMWGPTRL-------------PTCVS---

SEQ3---------------------I---WSGKPPIC--EKV

SEQ4-----CL----------ISGS-SVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1SP-----GNT--------------WKPELPKCVR---

SEQ2--CQ--ANNMWGPTRL-------------PTCVS---

SEQ3--------------------I---WSGKPPIC--EKV

SEQ4----CL----------ISGS-SVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1S----PGNT--------------WKPELPKCVR---

SEQ2-CQ--ANNMWGPTRL-------------PTCVS---

SEQ3-------------------I---WSGKPPIC--EKV

SEQ4---CL----------ISGS-SVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGNT--------------WKPELPKCVR---

SEQ2CQ--ANNMWGPTRL-------------PTCVS---

SEQ3------------------I---WSGKPPIC--EKV

SEQ4--CL----------ISGS-SVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGNT-------------WKPELPKCVR---

SEQ2CQ--ANNMWGPTR------------LPTCVS---

SEQ3-----------------I---WSGKPPIC--EKV

SEQ4--CL---------ISGS-SVQWSDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGNT--------W----KPELPKCVR---

SEQ2CQ--ANNM--------WGPTR---LPTCVS---

SEQ3------------I---W----SGKPPIC--EKV

SEQ4--CL----ISGS-SVQW----SDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGN----T---W----KPELPKCVR---

SEQ2CQ--ANN----M---WGPTR---LPTCVS---

SEQ3-----------I---W----SGKPPIC--EKV

SEQ4--CL---ISGS-SVQW----SDPLPEC--REH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGN----T---W----KPELPKCVR--

SEQ2CQ--ANN----M---WGPTR---LPTCVS--

SEQ3-----------I---W----SGKPPICE-KV

SEQ4--CL---ISGS-SVQW----SDPLPECR-EH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGN----T---W----KPELPKCVR-

SEQ2CQ--ANN----M---WGPTR---LPTCVS-

SEQ3-----------I---W----SGKPPICEKV

SEQ4--CL---ISGS-SVQW----SDPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGN------TW----KPELPKCVR-

SEQ2CQ--ANN------MWGPTR---LPTCVS-

SEQ3-------------IW----SGKPPICEKV

SEQ4--CL---ISGSSVQW----SDPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S--PGN------TWK---PELPKCVR-

SEQ2CQ--ANN------MWGPTR--LPTCVS-

SEQ3-------------IWS---GKPPICEKV

SEQ4--CL---ISGSSVQWS---DPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S-PGN------TWK---PELPKCVR-

SEQ2CQ-ANN------MWGPTR--LPTCVS-

SEQ3------------IWS---GKPPICEKV

SEQ4C-L---ISGSSVQWS---DPLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S-PGN------TWKP--ELPKCVR-

SEQ2CQ-ANN------MWGPTR-LPTCVS-

SEQ3------------IWSG--KPPICEKV

SEQ4C-L---ISGSSVQWSD--PLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S-PGN------TWKP-ELPKCVR-

SEQ2CQ-ANN------MWGPTRLPTCVS-

SEQ3------------IWSG-KPPICEKV

SEQ4C-L---ISGSSVQWSD-PLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S-PG-----NTWKP-ELPKCVR-

SEQ2CQ-AN-----NMWGPTRLPTCVS-

SEQ3-----------IWSG-KPPICEKV

SEQ4C-L--ISGSSVQWSD-PLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S-P----GNTWKP-ELPKCVR-

SEQ2CQ-A----NNMWGPTRLPTCVS-

SEQ3----------IWSG-KPPICEKV

SEQ4C-L-ISGSSVQWSD-PLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1-S----PGNTWKP-ELPKCVR-

SEQ2CQ----ANNMWGPTRLPTCVS-

SEQ3---------IWSG-KPPICEKV

SEQ4C-LISGSSVQWSD-PLPECREH





SEQUENCE ANNEALING

ESEMPIO

SEQ1----SPGNTWKP-ELPKCVR-

SEQ2C---QANNMWGPTRLPTCVS-

SEQ3--------IWSG-KPPICEKV

SEQ4CLISGSSVQWSD-PLPECREH





FUNZIONI DI SCORE

AMA (Alignment Metric Accuracy): somma, su tutte lecoppie di sequenze, delle frazioni di residui correttamenteallineatiUn valore elevato dell’AMA indica un’alta specificitàdell’allineamento prodottoDevelopment score fD: somma dei punteggi diallineamento coppia a coppia sui simboli di una datacolonnaUn valore elevato della funzione fD indica un’alta sensibilitàdel risultato





FUNZIONI DI SCOREVALORE ATTESO

Sarebbe auspicabile massimizzare entrambe le funzioni discore ad ogni passoL’obiettivo è difficilmente realizzabileCi si accontenta di massimizzare le medie delle duefunzioniA seconda della fase dell’algoritmo, sarà privilegiata l’unao l’altraTipicamente gli allineamenti migliori sono ottenuti partendocon valori di sensibilità ridotti (a favore di un’elevataspecificità), per poi massimizzarla nelle fasi finali





FUNZIONE OBIETTIVO

Famiglia di funzioni, parametriche rispetto al fattore di gapGf, calcolate mediante probabilità a posterioriIl valore di Gf influenza la qualità dell’allineamentoprodotto:

Gf = 0⇒ sensibilità massima (massimizza lo score fD)Gf = 0.5⇒ massimizza la media AMAGf > 0.5⇒ sensibilità fortemente ridotta a favore di unaelevata specificità

Diverse istanze della famiglia sono usate nelle varie fasidell’algoritmo





PROBABILITÀ A POSTERIORI

Ricavate dal modello Pair Hidden Markov ModelPMatch(σq

i , σtj ): probabilità che l’i-esimo carattere della

q-esima sequenza sia allineato col j-esimo carattere dellat-esima sequenzaPMatch(σq

i ,−t): probabilità che l’i-esimo carattere della

q-esima sequenza sia allineato con uno spazio dellat-esima sequenzaI pesi associati alle coppie di colonne sono calcolatidinamicamente in base a:

probabilità a posteriorifattore di gap (ridotto progressivamente durantel’esecuzione)





1 INTRODUZIONE








SAGASAGA (SEQUENCE ALIGNMENT BY GENETIC ALGORITHM)

Inizialmente si crea una popolazione di allineamenti (G0) inmaniera casualeLa dimensione della popolazione sarà mantenuta costanteper l’intera evoluzioneAd ogni iterazione la generazione attuale si evolve nellasuccessiva: i nuovi individui derivano da un singolo“genitore” (mutazione) o da una coppia (ricombinazione)Un individuo ha un numero di figli proporzionale alla bontàdella sua funzione obiettivoSe dopo un certo numero di iterazioni la funzione obiettivonon ha subito variazioni significative (popolazione stabile)l’algoritmo termina





FUNZIONE OBIETTIVO

La scelta della funzione obiettivo è cruciale: l’algoritmoprocede fino a raggiungere una popolazione che contengaallineamenti al di sotto di un certo costoGli autori propongono l’utilizzo di due funzioni:

1 WSP (Weighted Sum of Pairs): funzione SP “pesata”rispetto alla similarità fra coppie di sequenze

2 Affine gap penalties: determina il costo dei gap

Il costo dell’allineamento è dato da una combinazionelineare delle due





SCHEMA GENERALE

A10

A20

A30

An0

An-10





SCHEMA GENERALE

A10

A20

A30

An0

An-10

Valutazione





SCHEMA GENERALE

A10

A20

A30

An0

An-10

Valutazione

Popolazione stabile?





SCHEMA GENERALE

A10

A20

A30

An0

An-10

Valutazione

Popolazione stabile? SI

STOP





SCHEMA GENERALE

A10

A20

A30

An0

An-10

Valutazione

Popolazione stabile?NO

Riproduzione





RIPRODUZIONE

Overlapping generation: ad ogni passo solo unapercentuale limitata della popolazione viene rimpiazzata(50%)La scelta degli individui da rimpiazzare avvienegratuitamente durante la valutazione dello score: gli N/2allineamenti di costo più elevato sono destinati allasostituzioneExpected Offspring (EO): tasso di riproduzione di unindividuo, utilizzato per una selezione probabilistica dei“genitori”: se un individuo viene selezionato il suo EO èdiminuito per l’intero turno di riproduzione





OPERATORI

In SAGA gli operatori naturali di mutazione e ricombinazionesono implementati tramite:

Crossover: one-point, uniformGap insertionBlock shufflingBlock searchingLocal optimal rearrangements





CROSSOVER (RICOMBINAZIONE)

One point crossover: ricombina due allineamenti medianteun singolo scambio. Vengono prodotti due nuoviallineamenti (quello con lo score peggiore viene eliminato)Uniform crossover: meno distruttivo del precedente,promuove scambi fra zone di omologia. I blocchi dascambiare sono scelti fra posizioni consistentiConsistenza: dati due allineamenti, due posizioni sonoconsistenti se e solo se contengono in ogni riga ilmedesimo residuo





CROSSOVER

ESEMPIO

--WGKWNVDEVG-GEALWD--KVNEEEVQ-CEALWGKVGA-HAGEYGAEALWSKVGGHAGE-YGHEAL

WGKVN---VDEVGEAL-WGKVNEEE---VGEAL-WGKVG--ANAGEYGEALWG-VGGHA--GEYGAE-





CROSSOVER

ESEMPIO



--WGKVN---VDEVGEAL-WD--KVNEEE---VGEAL-WGK--VG--ANAGEYGEALWSK---GGHA--GEYGAE-





CROSSOVER

ESEMPIO



--WGKVN---VDEVGEAL-WD--KVNEEE---VGEAL-WGK--VG--ANAGEYGEALWSK---GGHA--GEYGAE-

WGK---WNVDEVG-GEALWGK---VNEEEVQ-CEALWGK-VGA-HAGEYGAEALWG-VVGGHAGE-YGHEAL





SCHEDULAZIONE DINAMICA DEGLI OPERATORI

Ad ogni iterazione l’algoritmo sceglie l’operatore dautilizzare in maniera probabilisticaInizialmente gli operatori sono equiprobabiliLe probabilità iniziali (non necessariamente ottimali) sonomodificate dinamicamente durante l’esecuzioneLa probabilità associata all’operatore op è proporzionaleall’efficienza nelle ultime 10 generazioni (miglioramentodella qualità degli allineamenti prodotti tramite op)La probabilità associata ad un operatore resta in ogni casostrettamente maggiore di zero (per evitarne la scomparsa)





SCHEMA GENERALE

A11

A20

A30

An0

An-10

Valutazione Riproduzione





SCHEMA GENERALE

A11

A21

A30

An0

An-10






SCHEMA GENERALE

A11

A21

A31

An0

An-10






SCHEMA GENERALE

A11

A21

A31

An0

An-11






SCHEMA GENERALE

A11

A21

A31

An1

An-11






SCHEMA GENERALE

A11

A21

A31

An1

An-11

ValutazionePopolazione stabile?




TestRisultati sperimentali

1 INTRODUZIONE

3 TOOL


4 CONFRONTO RISULTATITestRisultati sperimentali





RISULTATIAMAP

Twilight-FP(209) Superfamilies-FP(425)

Tool fD AMA fD AMA Tempo

CLUSTALW 20.4 35.5 50.9 37.0 1.7 sec

DIALIGN 17.0 74.1 46.7 71.5 5.7 sec

ProbCons 26.8 55.6 56.0 55.0 28.5 sec

T-Coffee 13.0 56.5 42.5 56.6 61.2 sec

AMAPsens 27.3 68.3 56.1 63.8 13.5 sec

AMAP 19.2 84.4 46.4 84.2 11.2 sec





RISULTATISAGA VS CLUSTALW

CLUSTAL W

Proteina # seq Lunghezza Score % ALLIN. Tempo

Igb 32 144 31.812.824 55,86 60 sec

Ac-Protease2 10 186 10.514.101 41,02 16 sec

S-Protease2 12 281 16.354.800 64,37 21 sec

Globin2 12 171 5.249.682 94,90 18 sec

SAGA

Proteina # seq Lunghezza Score % ALLIN. Tempo

Igb 32 144 31.417.736 55,97 41.135 sec

Ac-Protease2 10 186 10.393.145 43,50 12.236 sec

S-Protease2 12 281 16.282.179 66,18 20.537 sec

Globin2 12 171 5.233.058 94,01 2.538 sec





BIBLIOGRAFIA I

Christopher Lee et al.: Multiple sequence alignmentusing partial order graphsBioinformatics, 2002Chuong B. Do et al.: ProbCons: Probabilisticconsistency-based multiple sequence alignmentGenome Research, 2005Michael Brudno et al.: Lagan and Multi-Lagan: EfficientTools for Large-Scale Multiple Alignment of GenomicDNAGenome Research, 2003





BIBLIOGRAFIA II

Michael Brudno et al.: The CHAOS/DIALIGN WWWserver for multiple alignment of genomic sequencesNucleic Acids Research, 2004Julie D.Thompson et al.: CLUSTALW: improving thesensitivity of progressive multiple sequence alignmentthrough sequence weighting, position-specific gappenalties and weight matrix choiceNucleic Acids Research, 1994Julie D. Thompson et al.: The CLUSTALX windowsinterface: flexible strategies for multiple sequencealignment aided by quality analysis toolsNucleic Acids Research, 1997





BIBLIOGRAFIA III

Ramu Chenna et al.: Multiple sequence alignment withthe Clustal series of programsNucleic Acids Research, 2003

Ariel S. Schwartz, Lior Pachter: Multiple alignment bysequence annealingBioinformatics, 2006

Cédric Notredame, Desmond G. Higgins: SAGA:sequence alignment by genetic algorithmNucleic acid Research, 1996


Andrea Renieri Matteo Tanca - Dipartimento di...

Documents

Transcript of Andrea Renieri Matteo Tanca - Dipartimento di...