Извлеките некоторые последовательности из GenBank®, найдите открытые рамки считывания (ORFs), и затем выровняйте последовательности с помощью глобальных и локальных алгоритмов выравнивания.

Как профили HMM используются, чтобы охарактеризовать семейства белков. Анализ профиля является ключевым инструментом в биоинформатике. Общие попарные методы сравнения обычно не чувствительны и достаточно специфичны для анализа отдаленно связанных последовательностей. В отличие от этого профили Скрытой модели Маркова (HMM) обеспечивают лучшую альтернативу, чтобы связать последовательность запроса со статистическим описанием семейства последовательностей. Профили HMM используют специфичную для положения систему выигрыша, чтобы получить информацию о степени сохранения в различных положениях в нескольких выравнивание этих последовательностей. Анализ профиля HMM может использоваться для нескольких, упорядочивают выравнивание, для поиска в базе данных, чтобы анализировать сегментацию состава и шаблона последовательности, и предсказать структуру белка и определить местоположение генов путем предсказания открытых рамок считывания.

Используйте основные методы манипуляции с последовательностями, и вычисляет некоторую полезную статистику последовательности. Это также иллюстрирует, как искать кодирование областей (таких как белки) и преследовать последующий анализ их.

Метод, который может использоваться, чтобы исследовать значение выравниваний последовательности. Количество тождеств или положительных сторон в выравнивании не является индикатором clear значительного выравнивания. Сочетание последовательности от выравнивания будет иметь подобные проценты положительных сторон и тождеств, когда выровнено против исходной последовательности. Счет от выравнивания является лучшим индикатором значения выравнивания. Этот пример использует те же связанные с болезнью Тея-Сакса гены и белки, анализируемые в Выравнивающихся Парах Последовательностей.