Matrix 基于分数矩阵的隐马尔可夫模型

我在学生物信息学

我想弄清楚如何从位置特定概率矩阵（PSPM）中建立一个隐藏的马克洛夫模型（HMM）

有没有明确的模式，一个人应该如何建模？ 有人能告诉我如何建模吗，基于PSPM的3个或更多状态

我将提供一个PSPM的例子，但请随意使用您自己的

---

这个问题不是很清楚，但也许这会有所帮助

对于这种型号，原则上您可以有任意多个位置

以下是生物信息学中可能做的一个例子：

让我们想象一下，你有一个DNA序列（我们可以称之为“数据库”）。您可以使用以下方法构建如下模型：

hmmbuild

然后，您可以检查hmmer_剖面，该剖面将包含路线每个位置的所有转移概率以及转移概率

之后，您可以搜索新的序列，例如。现在，假设您在一个文件中有一组序列（“查询”），并且您希望将它们映射到“数据库”，以便您知道每个查询的哪个位置排列得更好：

nhmmer -o <output_file> --dna <hmmer_profile> <sequences_file>

nhmmer-o--dna

---

输出文件将返回与数据库对齐的序列。

不清楚要执行的操作。将每个位置作为一个状态进行冷建模，概率作为发射概率给出。然而，在这种模型中，状态之间的转移概率为“1”。因此，国家不会被隐藏。是否要在较长的序列中识别此图案/图案的出现？然后，您还应该有“外部主题”的状态，并假设该状态有一些发射问题。@cnettel，任务中的问题如下：“设计一个HMM，该HMM可以模拟一个DNA序列，该序列可以包含TFA的零个、一个或多个TFB。你的答案应该包括组成HMM的状态和转换的图形表示。”我知道如何将其建模为正常的马尔可夫链，而不是隐马尔可夫模型。

nhmmer -o <output_file> --dna <hmmer_profile> <sequences_file>