В исходном файле каждая последовательность имела вес = 1. В обработанном файле, последовательности имеют разный вес, в зависимости от их "степени отличия" (чем сильнее последовательность отличается от остальных, тем больше ее вес). Если сложить вес всех последовательностей - получится примерно единица.
pfsearch -C2.0 -f my.prf bacteria.fasta > my.pfsearch
Профиль - my.prf
Находок было слишком много поэтому я поставила порог 2.0
-
Нашлось 9778 последовательностей с весом больше 2
С весом более 3 - 727 находки
более 4 - 195
более 5 - 59
Максимальный вес - 5.53
-
Составила сводную таблицу - количество строк уменьшилось. Примерно в 260 белках было найдено по два участка.
Файл Excel со сводной таблицей
-
Характеритстики списка найденых белков (порог - 2.0):
Число верных находок ("True positive hits", TP) - 58
Число ложных находок ("False positive hits", FP) - 9479
Число ненайденных белков подсемейства ("False negatives", FN) - 0
Чувствительность TP/(TP+FN) - 1
Селективность TP/(TP+FP) - 0,0061
-
У созданнного на позапрошлом занятии паттерна селективность и чувствительность равнялись 1. Чтобы добиться такого же значения селективности у профиля
, необходимо поставить порог 5,04. При таком пороге значение чувствительности у профиля (как и для всех белков, так и для S11)- 0,94.
-
ROC-кривая:
Я усовершенствовала профиль : увеличила вес Glu в шестой позиции (найденная консервативная позиция см. первое занятие этого блока), и уменьшила вес Gln в 12-ой позиции (Gln в 12 позиции у некоторых белков, не принадлежащих к подсеместву Bacillales, но имеющих большой суммарный вес). В результате, при пороге 5,1 профиль имеет чувствительность и селективность 1.
Вывод: pftools для данного семейства создает лучший профиль, чем prophecy, так как показатель чувствительности при той же селективности у него больше. Для pftools можно установить порог при котором все белки семейства найдены и не найдено ничего лишнего.
© Медведева