Protein Homology Detection Through Alignment of Markov Random Fields: Using MRFalign

این کار تشخیص همولوژی پروتئین مبتنی بر توالی، یک مشکل اساسی و چالش برانگیز بیوانفورماتیک با انواع برنامه های کاربردی در دنیای واقعی را پوشش می دهد. متن ابتدا چند روش رایج تشخیص همسانی، مانند روش‌های مبتنی بر ماتریس امتیازدهی خاص موقعیت (PSSM) و مدل پنهان مارکوف (HMM) را بررسی می‌کند، و سپس یک روش جدید مبتنی بر میدان‌های تصادفی مارکوف (MRF) را که توسط نویسندگان توسعه یافته است، توصیف می‌کند. روش‌های مبتنی بر MRF بسیار حساس‌تر از روش‌های مبتنی بر HMM و PSSM برای تشخیص همولوگ از راه دور و تشخیص چین‌خوردگی هستند، زیرا MRF‌ها می‌توانند برهم‌کنش باقی‌مانده باقیمانده با برد طولانی را مدل‌سازی کنند. متن همچنین نصب، استفاده و تفسیر نتیجه برنامه‌هایی را که روش مبتنی بر MRF را پیاده‌سازی می‌کنند، توضیح می‌دهد.

This work covers sequence-based protein homology detection, a fundamental and challenging bioinformatics problem with a variety of real-world applications. The text first surveys a few popular homology detection methods, such as Position-Specific Scoring Matrix (PSSM) and Hidden Markov Model (HMM) based methods, and then describes a novel Markov Random Fields (MRF) based method developed by the authors. MRF-based methods are much more sensitive than HMM- and PSSM-based methods for remote homolog detection and fold recognition, as MRFs can model long-range residue-residue interaction. The text also describes the installation, usage and result interpretation of programs implementing the MRF-based method.