Πρωτοταγής οργάνωση βιολογικών αλληλουχιών

Abstract

Στο προηγούμενο κεφάλαιο εξετάσαμε τις ιδιότητες βιολογικών αλληλουχιών εστιάζοντας στη σύστασή τους και αντιμετωπίζοντάς τις σαν σύνολα συμβόλων. Ωστόσο μια από τις βασικές ιδιότητες όλων των βιολογικών αλληλουχιών είναι η οργάνωσή τους σε ό,τι αφορά τη διαδοχή των δομικών τους στοιχείων, αυτό που ονομάζουμε πρωτοταγή διάταξη. Στο κεφάλαιο αυτό περνάμε σε προβλήματα που σχετίζονται με τη διαδοχή των καταλοίπων σε βιολογικές αλληλουχίες και τρόπους για την ανάλυσή της. Το βασικό βιολογικό ερώτημα γύρω από το οποίο διαρθρώνεται το κεφάλαιο είναι η διάκριση αλληλουχιών με βάση τη λειτουργικότητά τους. Σε βιολογικό επίπεδο, εξετάζονται έννοιες όπως οι συνεμφανίσεις καταλοίπων σε βιολογικές αλληλουχίες (γιατί κάποια νουκλεοτίδια ή αμινοξέα τείνουν να εμφανίζονται σε άμεση διαδοχή και άλλα όχι) καθώς και γενικότερες χαρακτηριστικές ιδιότητες πρωτοταγούς οργάνωσης αλληλουχιών. Η βασική μαθηματική έννοια που συνδέεται με τη διαδοχή καταλοίπων και τη μελέτη των συνεμφανίσεών τους είναι αυτή της δεσμευμένης πιθανότητας η οποία παρουσιάζεται στη συνέχεια στο πλαίσιο της περιγραφής σύνθετων δεσμευμένων πιθανοτήτων, γίνεται αναφορά στον κανόνα του Bayes και στη σημασία του. Στο δεύτερο μέρος του κεφαλαίου εισάγουμε τα Μοντέλα Markov ως ένα από τα βασικά υπολογιστικά εργαλεία για την ανάλυση της πρωτοταγούς δομής αλληλουχιών και παρουσιάζουμε αναλυτικά τους σχετικούς αλγορίθμους για τη μοντελοποίηση βιολογικών αλληλουχιών ως πιθανοκρατικών διαδικασιών Markov. Στο τέλος του Κεφαλαίου θα πρέπει να μπορείτε: Να κατανοήσετε έννοιες όπως η ανεξαρτησία ενδεχομένων και η δεσμευμένη πιθανότητα. Να αξιολογήσετε τη διαγνωστική ικανότητα μιας μεθοδολογίας με βάση την ευαισθησία της, χρησιμοποιώντας τον κανόνα του Bayes. Να περιγράψετε μια στοχαστική διαδικασία μέσω των Μοντέλων Markov. Na χρησιμοποιήσετε Μοντέλα Μarkov για να υπολογίσετε τη συνολική πιθανότητα μιας διαδικασίας. Να αναλύσετε βιολογικές αλληλουχίες με Μοντέλα Markov.

In the previous chapter, we examined the properties of biological sequences, focusing on their composition and treating them as sets of symbols. However, one of the basic properties of all biological sequences is their organization in terms of the order of their structural elements, which we call primary structure. In this chapter, we move on to problems related to the sequence of residues in biological sequences and ways to analyze it. The basic biological question around which the chapter is structured is the distinction of sequences based on their functionality. At the biological level, we examine concepts such as residue co-occurrences in biological sequences (why some nucleotides or amino acids tend to appear in direct succession and others do not) as well as more general characteristic properties of primary sequence organization. The basic mathematical concept associated with residue succession and the study of their co-occurrences is that of conditional probability, which is presented below in the context of the description of complex conditional probabilities, with reference to Bayes' rule and its significance. In the second part of the chapter, we introduce Markov models as one of the basic computational tools for analyzing the primary structure of sequences and present in detail the relevant algorithms for modeling biological sequences as Markov stochastic processes. By the end of this chapter, you should be able to: Understand concepts such as independence of events and conditional probability. Evaluate the diagnostic capability of a methodology based on its sensitivity, using Bayes' rule. Describe a stochastic process using Markov models. Use Markov models to calculate the total probability of a process. Analyze biological sequences using Markov models.