Simple Base-alignment Program
[ Bioinformatics ]
복잡한 생명 현상을 분석하기 위해 전산학 기술을 도입, 최근 각광받고 있는 비교적 새로운 학문 분야이다.
Bio 와 CS 모두에 대한 상당히 깊은 지식이 필요하다는 점에서 현재로선 쉽게 접근하기 어려운 분야일 수도 있겠다.
Bio 와 CS 모두에 대한 상당히 깊은 지식이 필요하다는 점에서 현재로선 쉽게 접근하기 어려운 분야일 수도 있겠다.
[ Simple Base-alignment Program ]
이번에 선보일 프로그램은 이 중 아주 기초 중에서도 기초인 서열 정렬 프로그램이다.
동적 알고리즘을 통해 두 서열의 Global/Local 정렬을 수행하고 점수를 계산해준다.
이미 효과적인 다중 서열 정렬 프로그램들도 나와있는 시점에서 유용성은 전혀 없는 것이지만 알고리즘도 간단하고 하여 시간을 쪼개 한번 만들어 보았다.
전역 정렬이란 주어진 서열 전체에 대해 얼마나 유사한가를 평가하는 것이고, 지역 정렬이란 주어진 서열에서 가장 유사도가 높은 부분을 찾아내는 것이다.
Global 정렬에는 Needleman-Wunsch 알고리즘을
Local 정렬에는 Smith-Waterman 알고리즘을 사용하였다.
DNA 염기(base)를 이용한 간략한 활용 예를 들자면 다음과 같다.
실행: java -jar align.jar
(1.4 컴파일러로 컴파일하였음)
아래는 과제로 나온 예를 수행해본 것이다.
다음은 위 예제의 Working Matrix.
버전이 1.1로 올라가면서 Valid Characters를 직접 입력할 수 있도록 수정되었고(기존엔 엔진 차원에서만 지원되었음), Base (DNA), Base(RNA), Amino Acid에 대한 Valid Characters를 툴이 자동으로 채워넣어줄 수 있도록 하였다.
또한 case sensitive한 정렬을 수행할 것인지 선택할 수 있는 기능이 추가되었다.
동적 알고리즘을 통해 두 서열의 Global/Local 정렬을 수행하고 점수를 계산해준다.
이미 효과적인 다중 서열 정렬 프로그램들도 나와있는 시점에서 유용성은 전혀 없는 것이지만 알고리즘도 간단하고 하여 시간을 쪼개 한번 만들어 보았다.
전역 정렬이란 주어진 서열 전체에 대해 얼마나 유사한가를 평가하는 것이고, 지역 정렬이란 주어진 서열에서 가장 유사도가 높은 부분을 찾아내는 것이다.
Global 정렬에는 Needleman-Wunsch 알고리즘을
Local 정렬에는 Smith-Waterman 알고리즘을 사용하였다.
DNA 염기(base)를 이용한 간략한 활용 예를 들자면 다음과 같다.
입력: seq1: AATACAG
seq2: ATGCA
match: 5, mismatch: -4, gap: -7
출력: AATACAG
|| ||
ATGCA
match: 4 mismatch: 1 gap: 2
total score: 2
두 서열의 유사도 점수는 2점이며 이 때의 정렬 형태는 출력 결과와 같다. 출력 결과에서 줄로 연결된 경우가 match, 중앙의 'A'와 'G'의 경우가 mismatch, 마지막으로 한 쪽만 염기가 위치한 양 끝이 gap에 해당한다.실행: java -jar align.jar
(1.4 컴파일러로 컴파일하였음)
아래는 과제로 나온 예를 수행해본 것이다.
;)
다음은 위 예제의 Working Matrix.
;)
버전이 1.1로 올라가면서 Valid Characters를 직접 입력할 수 있도록 수정되었고(기존엔 엔진 차원에서만 지원되었음), Base (DNA), Base(RNA), Amino Acid에 대한 Valid Characters를 툴이 자동으로 채워넣어줄 수 있도록 하였다.
또한 case sensitive한 정렬을 수행할 것인지 선택할 수 있는 기능이 추가되었다.
