mreps网页翻译：mreps::小的教程 mreps::mini tutorial

原文： http://bioinfo.lifl.fr/mreps//mini_tuto.php

什么是重复

一个序列重复（串联重复，周期）是一个连续重复的字符串 。例如 ， ataata是一个重复 （ ata重复了两次 ）。 gggg是另一个重复 （ g重复了四次 ）。 acaca也是一个重复 （ ac重复了两次加半次 ）。 就像最后的示例显示的那样 ，重复的单元数不需要是整数 ，它可以是分数 。

周期和指数

重复字符串的长度被称为重复的周期，重复单元数 （ 等义地说，整个序列的长度与周期的比例 ） 被称作指数。因此 ， acaca 的周期和指数分别2是和2.5 。

什么是最大重复

思考字符串ctattatatg 。它包含的重复之一是 tata 。然而 ，将右边立即出现的 核苷酸t包含在其中是自然的，并且考虑重复 tatat 。这就是最大重复的概念 ：在不 “ 打破周期 ”的情况下，在一个给定的字符串里出现的尽可能多地向左／右扩展的重复。

mreps和最大重复

如果分辨率没有被指定， mreps寻找材料字符串中所有的精确的最大重复 （依据 [1] 中描述的算法） 。例如 ，运行

mreps -s gcctatttatttatttggt

产生如下包含在gcctatttatttatttggt中的最大重复：

   from   ->       to  :         size    <per.>  [exp.]          err-rate       sequence

 ---------------------------------------------------------------------------------------------

       4  ->        16 :         13      <4>     [3.25]          0.000          tatt tatt tatt t

 ---------------------------------------------------------------------------------------------

RESULTS: There is 1 repeat in the processed sequence

形式上，在这个序列中有其它的最大重复 （例如 ttt ） ，但是是 mreps不输出它们 ，因为它们太短了 ，并且 被认为是“偶然出现的”。然而 ， mreps有一个特殊的-allowsmall选项来阻止将短的 统计上的无意义重复 过滤掉 。

近似重复

mreps不仅可以寻找 精确 的重复，也能寻找 近似的重复 ，这是DNA分析的一个必需特性 。要让 mreps计算近似的重复 ，用户需要指定 分辨率参数 。

为了计算近似的重复，mreps根据在 [2] 中描述的算法来计算所谓的 k - 不匹配串联重复的交叠 。那些是在两个相邻周期之间允许有最多 k 个不匹配的重复 。 接下来，这些结构被以“原始材料”的方式使用，并且被进一步处理，以获得重复序列的更与生物学相关的表示，尤其是去掉冗余以及过滤掉 在统计 学上无意义 的重复序列 。

这是一个mreps输出的例子：

> mreps -res 1 -s gggctaagtttgagtttaagaa

   from   ->       to  :         size    <per.>  [exp.]          err-rate       sequence

 ---------------------------------------------------------------------------------------------

       5  ->        20 :         16      <6>     [2.67]          0.100          taagtt tgagtt taag

 ---------------------------------------------------------------------------------------------

RESULTS: There is 1 repeat in the processed sequence

分辨率

分辨率这个参数（上面例子中的 -res ）指定 mreps 能够找到的重复序列的 “模糊程度” 。分辨率越大 ，就能计算越是退化的重复序列 。当分辨率 被增加时，新的退化的重复序列就能 被计算，同时，针对小一些的分辨率计算的重复序列仍然能 被找到，但是可能会 被扩展为更长的序列。实际上 ，程序对直到用户指定的分辨率的所有 值进行循环，并且收集每次迭代所找到的所有重复序列 。当然 ， “代价”就是执行时间 ，增大分辨率时 ，执行时间变长。

实际过程中， “好的”分辨率的值取决于用户感兴趣的周期。对于小的周期 （直到10-15），分辨率为5 通常就足够找到所有有意义的重复序列；对于大一些的周期 ，可以增大分辨率直到50或者别的数。

错误率

mreps使用的重复序列的“质量的度量”，是错误率 ，它是不匹配的个数与整个重复序列的长度减去周期所得的差的比值 。当两个相距 p （周期）的字母不相同时，一个不匹配就被计数，例外是 ，如果右边 p 个位置的字母与左边 p 个位置的字母相同，那么这两个不匹配被计数为一个。例如 ，上 文提到的重复序列 taagtt tgagtt taag 被认为只有一个错误，尽管它有两对不匹配的字母 ：在位置8的 g同时与位置2的a和位置14的a不匹配 。这就是它的错误率是1/(16-6)=0.1的原因 。

统计学意义

默认地， mreps不输出那些 被认为是“无意义”的重复序列，也就是说 ，那些很可能是在一个 “随机DNA序 列”里面出现的序列。有 两个导致重复序列成为“无意义的”的原因。一个是因为它的小的长度 ，另一个是因为它的 “差的质量”，也就是说 ，高的错误率。这是为什么mreps有 两个不同的意义过滤器的原因－－一个 长度过滤器用来抑制短的重复序列，以及一个 质量过滤器用来抑制有高的错误率的重复序列。然而 ，某些情形下，用户可能需要短的重复序列也出现在输出中。为了这个目的 ，存在 -allowsmall选项，它会关掉长度过滤器（然而 ，质量过滤器还是会被使用 ）。

mreps选项的解释

• •. 格式 ： ‘-fasta’选项允许以FASTA格式来表示DNA序列

• •. 分辨率 ：会被报告的重复序列的“模糊程度”

• •. 允许短序列 ：输出包括短的序列在内的所有长度的重复序列

• •. 最短长度 ：会被报告的重复序列的最短长度

• •. 最长长度 ：会被报告的重复序列的最长长度

• •. 最短周期 ： 会 被报告的重复序列的最短周期

• •. 最长周期 ： 会 被报告的重复序列的最长周期

• •. 指数 ： 会 被报告的重复序列的最小指数

• •. 起始 ：要处理的序列在片段中的起始位置

• •. 终止 ：要处理的序列在片段中的终止位置

• •. 窗口：滑动窗口的大小

试用它！

如果你还有更多问题，最多的解决方法就是使用实际的例子。 试用它 ！

Your opinions

Your name:Email:Website url:Opinion content:Send