Key points are not available for this paper at this time.
생물 서열에서 모티프를 발견하는 것은 한편으로는 모델의 엄격함과 다른 한편으로는 후보의 풍부함 사이에서 자주 갈등을 겪고 있습니다. 특히, 와일드 카드나 "무관계"를 포함하는 모티프는 그 수에 따라 기하급수적으로 증가하며, 무관계가 특정 최대 길이까지 늘어날 수 있도록 허용되면 상황은 더욱 악화됩니다. 이 논문에서는 시퀀스에서 확장 가능한 모티프의 개념을 도입하고 연구하며, 이는 모티프 패턴의 구조와 그 발생 수의 통계적 측정을 긴밀하게 결합합니다. 적절한 포화 조건과 일정한 주파수의 영역에서 확률 점수의 단조성의 조합이 후보 초과 표상 모티프의 생성 및 테스트에서 중요한 경제성을 제공함을 보여줍니다. 고려된 유형의 확장 가능한 모티프 발견을 구현하는 소프트웨어 프로그램 모음인 Varun이 설명됩니다. 이 방법의 장점은 주로 단백질 서열 가족을 겨냥한 다양한 실험에서 얻어진 결과로 문서화됩니다. 또한 각 실험에서 반환된 모든 놀라운 모티프의 집합이 포화 제약이 없는 경우에 비해 빠르게 추출되고 훨씬 관리 가능한 크기로 제공된다는 사실도 중요해 보입니다.
Apostolico et al. (수요일) 이 질문을 연구했습니다.