תפקיד הקרן של Graph Algorithms ב Bioinformatics

ביונונאוטיקה מודרנית בנויה על היכולת להשוות, להתאים, ולפרור מערכות יחסים ממאגרי נתונים ביולוגיים מסיביים.בלב המשימות האלה הוא תורת גרף, ענף של מתמטיקה שמודלים יחסים בין אובייקטים.אלגוריתם של Graph מספקים את עמוד השדרה חישובי חישוב עבור שני יישומים אבן הפינה: רצף ומבנה פילוגנטי.

Graphs הם ייצוג טבעי עבור נתונים ביולוגיים.רצף DNA ניתן לראות דרך גרף של ניוקלוטידים; היערכות בין שני רצפים תואמת נתיב דרך גרף עריכה; קבוצה של מינים עם מרחקים גנטיים יוצרים גרף מוטבע שבו המינימום המשתרע על עץ או שבילים הקצרים ביותר מניבים היסטוריה אבולוציונית.

התגלות דרך Graph Representations

היערכות היא תהליך של סידור DNA, RNA, או רצפי חלבון לזהות אזורים של דמיון אשר עשוי להצביע על יחסים פונקציונליים, מבניים או אבולוציוניים. אלגוריתמים Graph הם מרכזיים הן רצף זוגי ורב-מספרי. גישות תכנות דינמיות קלאסיות להיערכות יכול להיות מתפרש כמו בעיות קצרות-פת בהנחיית גרפים acyclic, ותאים מודרניים משתמשים לעתים קרובות אינדקסים המבוססים על גרף עבור מהירות הבנה.

מודל Edit Graph

(ב) , ויקרא י"א): "וַיְּהִיא וּלְהִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִיתִית, וְאֶתִיתִי הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא

גרף זה מוביל ישירות לאלגוריתם FLT:0 אלגוריתם Needleman-Wunsch אלגוריתם אלגוריתם אנדרט 1 עבור היישור הגלובלי ו-FLT:2Smith-watermanalph 3 עבור היערכות מקומית. שניהם אלגוריתמי תכנות דינמיים אשר פותרים את הבעיה האופטימלית ב- O(n) באופן עקרוני מבהירים אלגוריתמים מדוע עבודה אלה: הם חוקרים את כל היישרוריאציות אפשריות (מופתים) אך ורק באמצעות אלגוריתם זה הוא אלגוריתם.

Needleman-Wunsch: Global Alignment

האלגוריתם Needleman-Wunsch מוצא את ההיערכות הגלובלית האופטימלית של שני רצפים.הוא בונה ממטריקס ניקוד (שווה ערך למרחקי מחשוב בגרף העריכה) ולאחר מכן משחזר את המטריקס כדי לשחזר את ההיערכות. במונחים של גרף, האלגוריתם מצמיד את הנתיב המקסימלי ממקור כדי לשקוע בגרף העריכה.

F(i, J) = max(i-1, J-1) + ציון(A [i], B [j]), F(i-1, J) + פער, F(i, j-1) + הפער) +

עם תנאי גבול מתאימים.זהו דוגמה קלאסית של תכנות דינמי על גרף.האלגוריתם עדיין בשימוש נרחב היום על מנת להתאים רצף קשור הדוק שבו דמיון גלובלי צפוי.זה מהווה את הבסיס לכלים רבים של רצף, כולל אלה המשמשים בהיערכות של גנומה מלאה.

סמית'-ווטרמן: אלמנט מקומי

בהקשרים ביולוגיים רבים, רצפים חולקים רק דמיון חלקי.לדוגמה, ניתן לשמר את תחומי החלבון בעוד אזורים אחרים אינם קשורים.אלגוריתם סמית-ווטרמן מאמת את גישת הגרף הערוך המקומית הטובה ביותר.זה משנה את ההישנות כדי לאפשר את הציון לאפס אם הוא הופך שלילי, ביעילות מחפש תת-תמכת משקל גבוהה שלא בהכרח מכסה את הגרף כולו במונחים, מוצא את המהירות הגבוהה ביותר של 2 לפנה"ס (אך הוא פחות מ-ב) כמו כל אחד משני כלים רגישים יותר (BLT) או יותר (אך הוא פחות) בין שני כלים רגישים יותר).

כוחו של האלגוריתם סמית'-ווטרמן מגיע ביכולתו לחקור את כל ההיערכות המקומית האפשרית תוך שמירה על אותה מורכבות של O(mn) הגרועה ביותר.היישום המודרני משתמש בהוראות ו- GPU כדי לטפל במיליארדי זוגות בסיס.הנוף הגרף נותר הדרך האינטואיטיבית ביותר להבין מדוע האלגוריתם מחזיר את זוג המטבול הגבוה ביותר.

מעבר ל-Pairwise Alignment: Multiple Sequence Alignment and Graph- Based Indexing

כאשר תואמים שלושה או יותר רצפים, אלגוריתמים של גרפים הופכים אפילו יותר קריטיים.מספר רצף (MSA) ניתן לפורמלי כבעיה קצרה ביותר בגרף רשת רב-ממדי, אבל המרחב הממלכתי גדל באופן אקספוננציאלי עם מספר הרצף. לכן, שיטות מתקדמות ועקביות מסתמכות על עצי הדרכה (מבנים גרפיים לעתים רחוקות) ופרופילים.

(ה) תואמים מודרניים משתמשים גם במבנים נתונים של גרף לאינדקס גנום שלם.לדוגמה, ה-(FLT:0Burrows-Wheeler TransformFLT:1 עם ה-FLT:2FM-indexFLT: 3.0Burs-indexFLT) מספק גרף של מערכות יחסים suffix-prefixs בגנום, המאפשר התאמה מהירה של אינדקסים אלה ניתן לראות כאוכלוסייה קומפקטית-Fix-Fix-D.

בניין עץ Phylogenetic: Graph Algorithms for Evolutionary Inference

עצי פילוגניים מתארים את היחסים האבולוציוניים בין מינים או גנים המבוססים על נתונים גנטיים.הקלט הוא בדרך כלל רצף מרובים או מאטריקס מרחק הנגזר ממנו.המטרה היא לבנות עץ שאורך הענף שלו מייצג את כמות השינוי האבולוציוני. אלגוריתמים Graph משמשים כמעט בכל שלב, ממרחקים חישוביים ועד למציאת עץ אופטימלי לתנצלויות.

שיטות מבוססות מרחק: UPGMA ו-Joining

שיטות מבוססות מרחק מתחילות עם מריצה של מרחקים גנטיים חכמים.מטריקס זה יכול להיראות כמו גרף שלם שבו כל צומת הוא מין וכל משקל קצה הוא המרחק האבולוציוני.הבעיה של בניית עץ הופכת לאחד ממציאת עץ המתאים ביותר למרחקים אלה, לעתים קרובות על ידי מקבץ או על ידי צמצום אורך הענף הכולל.

(FLT:0)UPGMA (Unweighted Pair Group Method with Arithmetic Mean) הוא האלגוריתם הפשוט ביותר של איסוף עץ מושרש על ידי מיזוג שני הצומתים הקרובים ביותר (מבוסס על מרחק matrix) וקביעת מרחקים הקשורים בין האלגוריתם החדש ונשאר כסמן של המרחקים בגרף, UPGn פועל באופן קבוע על גבי גרף של שעון מולקולרי, אך הוא פועל באופן קבוע עם אלגוריתם של שעון מולקולרי, עם אלגוריתם).

(ה) [ה][דרוש מקור]] [ה]] [ה]]] [ה]] [ה]]]] [ה]]]] [ה[[המאה ה-20]] היא שיטה גמישה יותר שאינה מניחה שיעור קבוע של אבולוציה (ה[[המאה ה-20]], ו[[המאה ה-20]], ו[[ה[[המאה ה-20]],]], [[1924]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]

שיטות מבוססות אופי: מקסימום נאמנות ומקסימום

שיטות המבוססות על אופי משתמשים ברצףים התואמים ישירות ולא מרחוק. הם מעריכים את ההתנצלות של עץ המועמד ובוחרים את זה אשר הטוב ביותר מסביר את הדמויות הנצפות תחת מודל נתון.שיטות אלה גם מסתמכות על אלגוריתמים גרף, במיוחד לחיפושי עץ.

(FLT:0) מקסימום parsimonyFLT:1) מבקש העץ הדורש שינויים אבולוציוניים מעטים (הכיבודים) (הכולל בעיית עץ שטיינר על שטחן של מדינות האופי, שהוא NP-Hard אסטרטגיות החיפוש הייסטרי, כגון שינויים קרובים ביותר של החלפת עצים (N), תת- pruning and regraing (S), ו-reperreative Tree (S) הם גרף-rectiondowdows (Rreative Tree) אשר פועל על ידי גרף עץ אחורי ו-Remi) ו-R.

(FLT:0) הסבירות של ניוטון (ML)FLT:1 היא הגישה הקפדנית ביותר מבחינה סטטיסטית.הוא משתמש במודל פרוביביליסטי של האבולוציה (למשל, המודל הכללי של זמן-השמדה) כדי למקם את הסבירות של הנתונים שניתנו עץ ואורך ענף. ML דורש גם חיפוש שטח עצום, ואלגוריתמים חיוניים לחיפוש אחר הסבירות והסבירות המודרנית של ה-IFDIFDIx משתמשת גם בטכניקות המבוססות על ידי עיבוד גרפיקות.

Graph Algorithms in Tree אימות וויזואליזציה

לאחר הקמת עץ, החוקרים צריכים לעתים קרובות להעריך את האמון שלו.השיטה הנפוצה ביותר היא (FLT:0bootstrap AnalysisFLT:1), אשר כרוך בעמודות דגימה של היישור ובניית עצים רבים.התמיכה המגפיים לכל ענף מוגדר כתדירות שבה הענף מופיע בעצים משוכפלים.

ויזואליזציה של עצי הפילוגנטית משתמשת לעתים קרובות אלגוריתמים של הפריסה של גרגרי גרף.עצים שורש נמשכים בדרך כלל כמו משחתות או קלדוגרם, בעוד שעצים לא שורש עשויים להיות מוצגים כעצים קורנים או באמצעות פריסות מוכוונות כוח. הפריסה אלה הם יישומים של אלגוריתמים ציור גרפיים המקצים לאלגוריתמים כדי למזער מעברים ולשמור על יכולת קריאה.

השפעה רחבה יותר ודרכים מתפתחות

אלגוריתמים מרחיבים הרבה מעבר להיערכות ופיזינאוטיקה בביו-אינפורמטיקה.הרכבה של גנומה היא דוגמה בולטת: קריאה קצרה של ריצוף מוכזת יותר באמצעות גרפים של FLT:0de Bruijn גרגרי גרף (FLT:1 גרף דה ברוגן) מתפרץ לתוך חופפים k-mers ומתחבר אותם אם הם חולקים k-1.

במערכות ביולוגיה, אלגוריתמים לזיהוי קהילתי, נתיבים קצרים יותר ומוטיבים ברשת משמשים לזיהוי מודולים פונקציונליים וחלבונים הקשורים למחלה, כמו גם גרפים, ואלגוריתמים לזיהוי קהילתי, נתיבים קצרים יותר, ומוטיבים ברשת משמשים לזיהוי מודולים פונקציונליים חלבונים הקשורים למחלה.

התחום של genomicsigph1 (FLT:0) genomicsigtureFLT:1) משתמש באלגוריתמים גרף כדי להתאים גנום שלם, למצוא בלוקים סיננסיים משונים, לזהות סידורים אחוריים. כלים כמו Cactus ו-Minigraph להשתמש בגרפים המשלבים גנום מרובים בו זמנית.מערכות ההתייחסות המבוססות על גרף אלה מבטיחות להחליף גנום ליניארי, ומאפשרות מדויקות יותר ורפואה אישית.

שיקולים מעשיים והמלצות כלי

(ב) חוקרים חדשים לאלגוריתמים ביו-אינפורמטיקה, מספר חבילות תוכנה וספריות מספקים יישום יעיל.להיערכות רצף, ה-FLT:0SeqAnphFLT:1 Library מציע מסגרת C++ כללית לניתוח עם אינדקסים מבוססי גרף: Python משתמשים יכולים למנף את לוחמת חישובים:2NetworkXFLT 3 עבור אלגוריתמים, למרות יישומים קריטיים לשימוש ב-DIRDNERIFRIFERIFDNERIFERIFDIFERICOIFERICOICOIFERICOEOLEREOLERIFERIFERIFERE , כולל LT5 LT5: 7.

כאשר עובדים עם נתונים גדולים, חשוב להבין את המורכבות החישובית של אלגוריתמי הגרף בשימוש. היערכות טכנולוגית עם חישובים דינמיים נשאר O(n2) לצמד, אבל שיטות היסטריליות זרע-ו-סוף (כמו BLAST) להפחית את זה לזמן קרוב לינארי בפועל.עבור עצים פילוגנטיים, שכנה-joing הוא מהיר עבור כמה אלפי מס, אבל סבירות מקסימלית עבור ימים אלה יכול להיות יישום מהיר באופן משמעותי.

מסקנה

אלגוריתמים הם השפע הבלתי נראה התומך במרבית הביו-אינפורמטיקה המודרנית.מגרפים העריכה כי רצף רצף היערכות לאסטרטגיות החיפוש של עץ המשמשות בפילוגנטיקה, מבנים מתמטיים אלה מאפשרים למדענים להפיק משמעות מהנתונים הביולוגיים המורכבים.כפי שטכנולוגיות ריצוף ממשיכות להניע עלייה אקספוננציאלית בנפח הנתונים, החשיבות של אלגוריתמים יעילים רק תגדל.

על ידי הבנת היסודות הגרף-אתאורטיים של יישור ומבנה עץ הפילוגנטי, החוקרים יכולים לבחור אלגוריתמים מתאימים, לפרש תוצאות ולתרום לדור הבא של שיטות ביונופורמטיקה.עתיד הביולוגיה הוא יותר בצורת גרף, ואלה שיכולים לנווט מבנים אלה יהיו מצוידים ביותר כדי לחשוף את סודות החיים העמוקים ביותר.