Hidden Markov Models

Este artículo de Eddy (2004) explica en qué consisten los modelos ocultos de Markov y su utilidad en biología.

En clase veremos cómo usar HMMs por medio de ejemplos, que viven en /home/bioinfo/LCG/hmmer-tutorial/ y deberéis copiar a vuestros propios directorios. Para ellos usaremos el paquete de programas HMMER, desarrollado en el grupo de Sean Eddy.

• Partimos de un archivo con un alineamiento múltiple de proteína y generamos un HMM que lo represente. En el ejemplo usaremos el alineamiento globins50.msf, pero HMMER puede leer diferentes formatos: $ hmmbuild globins.hmm globins50.msf

• Ahora debemos calibrar el modelo, para que las estadísticas derivadas sean más confiables: $ hmmcalibrate globins.hmm

• A partir de este HMM se pueden generar secuencias de proteína aleatorias que estén contempladas por el modelo: hmmemit -n 5 globins.hmm

• Ahora ya podemos ver si este modelo, es decir, si este motivo de proteína, está contenido en secuencias individuales: $ hmmsearch globins.hmm Artemia.fa

• O podemos hacer un alineamiento múltiple basado en el modelo de las globinas: $ hmmalign -o globins630.ali globins.hmm globins630.fas

• También podemos buscar en toda una colección de secuencias: $ hmmsearch globins.hmm /home/bioinfo/LCG/FAA_Genome/Z_mobilis_ZM4.faa

• Por otro lado, podemos generar una colección de modelos, en el ejemplo en el formato Stockholm, usado por PFAM:

  $ hmmbuild rrm.hmm rrm.sto 
  $ hmmbuild fn3.hmm fn3.sto
  $ hmmbuild pkinase.hmm pkinase.sto
  $ cat rrm.hmm fn3.hmm pkinase.hmm > libreria.hmm
  $ hmmcalibrate libreria.hmm
  

• Una vez creada, es posible explorar la colección con una secuencia problema: $ hmmpfam varios.hmm 7LES_DROME