如何评估成对比对中的评分方案

Question

我不是生物信息学的专家。我想用全局比对的方法对两个核苷酸序列进行比对。每个序列是{A，C，T，G}个字母的组合。

问题是我不知道如何选择最好的评分方案(变电站和空档惩罚)。

目前，我使用值+1，-1，-2表示匹配、不匹配和间隙惩罚。我意识到，人类DNA的转换次数比颠换次数要多。

我的问题是如何根据我的数据集估计(匹配，不匹配和差距)的惩罚。有没有什么统计模型可以帮上忙？

Answer 1

如果我们需要回答这个问题，我们需要很好地了解数据集和您的作用域，但通常对于匹配/不匹配，我们可能表示为+1/-1，这不包括(颠倒和转换)。

我建议你看看这个model和Kimura

最后，对于惩罚，你可以根据序列的不同使用“低，中，高”惩罚，我的意思是，如果有机体是紧密相关的，那么你可以使用低差距惩罚，而对于更多差异的有机体，高惩罚，所以差距惩罚取决于你所比对的序列的差异程度。

如果我们需要知道序列是否发散，正如我所说的，这取决于您的数据，并且根据您的数据而不同，但是您可以查看一些序列的示例：link1、link2、link3、link4和link5