5. 
Нашла в SwissProt всех представителей домена: 
pfsearch –C 1.0 –f my.prf /srv/databases/uniprot/sprot.fasta | sort -nr > my.xls
Я поставила порог выдачи 300, и получила 2323 результата. 
Полученная  таблица-Excel , уже со всеми графиками и расчётами.
Построила график весов находок pfsearch и ROC-кривую.



На графике весов видно, что в районе 500 график образует "ступеньку".
Я бы предложила, что порог 450-500. При таком низком пороге я получаю много ошибок второго 
рода - принимаю много ложных результатов. 






На кривой видно небольшое плато, прежде чем кривая достигает единицы. 
Это плато соответствует ситуации, когда чувствительность почти не изменяется, а специфичность падает. 
Поэтому я взяла за порог точку до начала плато (отмечена красным). Конечно, в этом случае я отвергаю 
довольно много верных результатов, но и принимаю ложных намного меньше. Эта точка соответствует порогу 
880. То есть, после построения ROC-кривой я увеличила порог в почти два раза. Возможно, имеет смысл 
поискать некую золотую середину, но мне вроде и сравнивать не с чем, чтобы было куда стремиться. 
При пороге 880 число ошибок первого рода составляет 41 (1.76% - какой кошмар), второго - 5 (0.39%). 
Граница между верными и неверными находками довольно расплывчата, и после принятого мной порога верные 
находки встречаются часто по одной, иногда по 3-5 штук, но они разделены большим количеством неверных находок. 
Хорошо видно (в таблице), что можно понизить порог до 680, например, и уменьшить число ошибок первого рода на 10, 
увеличив число ошибок второго рода на 11 >_< Мне почему-то кажется в данном случае, что ошибки второго рода (принятые неверно) 
хуже ошибок первого (непринятых неверно). 



 Анализ результатов поиска по профилю 
 
  

1. Я разделила выравнивания представителей домена на две группы по доменной архитектуре белков.

2. Построила профили без нормализации для каждой группы. 
 профиль архитектуры PID+SH2
 профиль архитектуры SH3_1+SH2+Pkinase_Tyr

3. Поиск по профилям 
pfsearch –C 0 –f p2.prf all_seq.fasta | sort -nr > p2.xls 
pfsearch –C 0 –f p3.prf all_seq.fasta | sort -nr > p3.xls 
 таблица-Excel с вычислениями для архитектуры PID+SH2
 таблица-Excel с вычислениями для архитектуры SH3_1+SH2+Pkinase_Tyr
В результаты поиска попали фрагменты представителей архитектур. Поэтому, например, в случае двудоменной архитектуры 
сначала, с наибольшим весом, следуют ВСЕ представители данной архитектуры , потом идёт 
большой кластер из представителей трёхдоменной архитектуры, а потом встречаются куски 
представителей нужной мне архитектуры. Если отмечать их как находки, то кривая получается не 
красивой. А если не отмечать их '+', то профиль хороший. В случае первой, я решила не отмечать их, поскольку все 
настоящие находки уже представлены в верхней части таблицы, а в случае второй- отметила. А куски последовательностей не 
являются истинно верными находками, это не найденная архитектура.

	

		
PID+SH2 
	        
SH3_1+SH2+Pkinase_Tyr 
	
        
	

		

			график весов находок   
			 
		
	        
		

			график весов находок   
			 
		
	

	

	

		

			ROC-кривая   
			 
		
	        
		

			ROC-кривая   
			 
		
	
	


Порог для первой последовательности 17, а для второй- 11.
С такими порогами я делаю много ошибок первого рода и ниодной ошибки второго рода.