HSEARCH：快速且准确的蛋白质序列基序搜索与聚类
基因组学
2017-01-03 v1
摘要
蛋白质基序是蛋白质序列中频繁出现的保守片段。它们具有重要的功能，例如酶的活性位点。蛋白质序列基序的搜索和聚类计算量大。现有的大多数方法对于分析大型数据集进行基序查找速度不够快，或者在基序聚类中准确率低。我们提出了一种新的蛋白质序列基序查找和聚类算法，称为 HSEARCH。它将固定长度的蛋白质序列转换为高维空间中的数据点，并应用局部敏感哈希来快速搜索基序的同源蛋白质序列。HSEARCH 在蛋白质基序查找方面比暴力搜索算法快得多，并在蛋白质基序聚类中实现了高准确率。
引用
@article{arxiv.1701.00452,
title = {HSEARCH: fast and accurate protein sequence motif search and clustering},
author = {Haifeng Chen and Ting Chen},
journal= {arXiv preprint arXiv:1701.00452},
year = {2017}
}