ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Today, in various aspects of molecular biology, sequence alignment has become an essential tool to study the structure-function relationships of proteins. With the impressive increase of the number of available sequences, alignments provide a substantial piece of information by way of various computational methods. These approaches have generally become a crucial tool to put forward working hypotheses for time-consuming bench work, as protein engineering and site directed mutagenesis. However alignment methods remain hugely perfectible. All methods are dramatically limited in the twilight zone, taking place around 25% of identity between pairs of sequences. More worrying is the very high rate of false positive results generated by most algorithms, depending of empirical parameters, and hard to validate by statistical criteria. After reviewing the main methods, this paper draws user’s attention to the fact that algorithm performance evaluations are entirely limited to alignment power (sensibility) evaluation. In reference to a given truth defined from alignment of know structures, the power is defined as the proportion of truth restored in the solution. The power may be overestimated by a lack of independent sets of poorly related sequences and its value depends entirely on the criterion used to define the truth. On the other hand, confidence (selectivity) represents the proportion of the solution that is true. Depending on the method and the parameters used, confidence may be much lower than power, and is usually never evaluated. For non-trivial alignments, when the power is high, confidence is low, which means that correctly aligned positions are embedded in large regions unduly aligned. One possible solution to these problems is to use consensus of several multiple alignment methods, which will increase the confidence of the results. The addition of external information, such as the prediction of the secondary structure and/or the prediction of solvent accessibility is also an other way that should increase the performance of existing multiple alignment methods.
امروزه همترازسازی توالیها در جوانب مختلف زیستشناسی مولکولی به یک ابزار ضروری برای بررسی روابط ساختاری و کارکردی پروتئینها تبدیل شده است. همترازسازی با افزایش چشمگیر شمار توالیهای موجود، بخش زیادی از اطلاعات را با روشهای محاسباتی مختلف ارائه مینماید. این روشها همانند مهندسی پروتئین و جهشزایی محلی در کل به ابزاری تعیینکننده برای پیشبرد فرضیههای عملی در کار زمانبر محیطی بدل گردیده است. با این حال، ظرفیت بهبود روشهای همترازسازی به میزان زیادی محفوظ میماند. تمام روشها به طرز چشمگیری در منطقه مرکزی محدود میشود، در حالیکه حدود 25 درصد همسانی بین توالیهای جفتی اتفاق میافتد. نسبت بسیار بالای نتایج مثبت غلط بدست آمده بوسیلهی اکثر الگوریتمها بسته به پارامترهای تجربی و همچنین دشواری تأیید براساس شاخصهای آماری بسیار نگرانکننده است.
در این مقاله توجه مخاطب پس از بررسی روش های اصلی به موضوع محدود شدن کامل ارزیابیهای عمکرد الگوریتم به ارزیابی توان (حساسیت) همترازسازی جلب میشود. پیرو صحت مفروضی که براساس همترازسازی ساختارهای مشخص تعریف شده است، توان همترازسازی به عنوان نسبت صحت بازگشتی به راهحل تعیین میشود. این توان بواسطهی کمبود دستههای جداگانه توالیهای با ارتباط کم ممکن است بیش از حد برآورد شود و مقدار آن کاملاً به شاخص بکار رفته برای تعیین صحت مورد نظر بستگی دارد. از سوی دیگر، اطمینان (بهگزینی) نسبت صحت راهحل مورد نظر را نشان میدهد. ضریب اطمینان بسته به روش و پارامترهای بکار رفته ممکن است بسیار پایینتر از توان باشد و معمولاً مورد ارزیابی قرار نمیگیرد. در همترازسازیهای قابل توجه، وقتی توان بالا باشد، ضریب اطمینان پایین میآید؛ به عبارتی، محل هایی که به درستی همتراز شدهاند با نواحی بزرگی که به درستی همترازسازی در آنها صورت نگرفته است جایگزین میشوند.
راهحل عملی این مسائل این است که از اتفاق آراء دربارهی روشهای همترازسازی چندگانه کمک بگیریم که در نتیجهی آن اطمینان نتایج نیز افزایش مییابد. افزودن اطلاعات بیرونی مانند پیشبینی ساختار ثانویه و یا پیشبینی قابلیت دسترسی حلال نیز روش دیگری است که احتمالاً عملکرد روشهای همترازسازی چندگانه موجود را افزایش خواهد داد.