Практикум 8. HMM профиль. ROC-кривая
|
Файл Excel со всеми расчётами, таблицами, графиками по данному практикуму. Задание 1. Определить целевое семейство белков. Составить список белков семейства из `SwissProt`Для работы я выбрала домен EF-hand. Ссылка на страницу в pfam. PF13405.
Я наложила дополнительные условия на семейство - белок должен быть у представителя семейства Muridae (Мышиные).
Задание 2. Построение и откалибровка профиляИз Uniprot я скачала fasta последовательности находок, затем сделала выравнивание в JalView. Ссылка на выравнивание. Выравнивание последовательностей
Задание 3. Получение результатов поиска по профилю на множестве последовательностей SwissProtНа kodomo среди записей банка данных Swissprot были найдены последовательности, соответствующие построенному профилю.
По умолчанию отбираются находки с E-value < 10, до я добавила дополнительные параметры, чтобы находок было больше.
Порог E-value для доменов 1000 --domE 1000, порог для веса небольшой --domT -50.
Задание 4. Диаграмма, выбор порога нормализованного веса для находок по профилюНайдём ступеньки нормализованного веса, построив диаграммы. Я построила 2: для всех находок и первых 100. Ступенька на 16 находке, это вес 308. Возможный порог - 308. Диаграмма весов для всех находок Диаграмма весов для первых 100 находок Задание 5. ROC-кривая, выбор порога нормализованного веса для находок по профилюROC-кривая (Receiver Operator Characteristic) - зависимость SE (sensitivity) от 1-SP (1-specificity). Далее некоторые определения: TP - свойство есть и оно выявлено, TN - свойства нет и оно не выявлено, FP - свойства нет, но оно выявлено, FN - свойство есть, но оно не выявлено. Чувствительность SE (sensitivity) - это доля выявленного свойства, когда свойство есть. Специфичность SP (specificity) - доля неправильно выявленного свойства, когда оно отстутствует. Формулы - SE = TP / (TP + FN), SP = TN / (TN + FP). Вычисления приведены в файле Excel.ROC-кривая |
