75
Alignments mit Hidden Markov Modellen

Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Embed Size (px)

Citation preview

Page 1: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Alignments mit Hidden Markov Modellen

Page 2: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Wofür sind HMM‘s gut?

Gehört eine Sequenz zu einer bestimmten Familie?

Falls eine Sequenz aus einer Familie stammt, was kann man über ihre interne Struktur sagen?

Page 3: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Markov Kette

Modell zum Generieren von Sequenzen

Die Wahrscheinlichkeit für das Auftreten eines Symbols hängt nur vom Vorgängersymbol ab

Wie wahrscheinlich ist eine Sequenz / Nukleotidfolge

Page 4: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Markov Kette

Beispiel für DNA:

Page 5: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Markov Kette

Transitionswahrscheinlichkeit:

rst = P(xi = t | xi-1 = s)

Wahrscheinlichkeit einer Sequenz:

P(x) = P(xL | xL-1)*P(xL-1 | xL-2)*

..

*P(x2 | x1)*P(x1)

= P(x1)Пi=2rxi-1

xi

Page 6: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Markov Kette

Beginzustand x0 = B mit:

P(x1 = s) = rBs

Endzustand xL+1 = E mit:

P(E | xL = t) = rtE

Page 7: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Hidden Markov Model

Keine 1 zu 1 Übereinstimmung von Zuständen und generierten Symbolen

Einbettung von Markov Ketten in die Zustände

Es gibt bestimmte vordefinierte Wahrscheinlichkeiten, dass ein Zustandübergang erfolgt

Sei ek(b) = P(xi = b | πi-1 = k) die WK, dass Symbol b im Zustand k auftritt (wobei π die Zustandsequenz ist)

Page 8: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

HMM

Beispiel: unfaires Casino:

Page 9: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

HMM

Beispiel: unfaires Casino:Problem: Wie findet man die richtige (wahrscheinlichste)

Zustandssequenz, die der vorliegenden Symbolsequenz zugrunde liegt?

Page 10: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Beispiel: CpG - Inseln Das Auftreten einer bestimmten Base (A, T, G, C) an einer

bestimmten Stelle ist nicht gleich wahrscheinlich

In bestimmten DNA-Bereichen: Hohe Wahrscheinlichkeit, dass C zu einem T mutiert

Somit kleinere Wahrscheinlichkeit, dass ein C vor einem G steht

Es gibt allerdings Regione in welchen die Mutationswahrscheinlichket (von C zu T) deutlich kleiner ist (zum Beispiel bei den Startregionen diverser Gene)

Page 11: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Beispiel: CpG - Inseln

Markov Kette

Page 12: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Beispiel: CpG - Inseln

Verschiedene Wahrscheinlichkeiten für das Auftreten eines Symbols (A, T, G, C), je nach dem ob es innerhalb (+ Modell) oder ausserhalb (- Modell) der CpG – Inseln stattfindet

Daraus leitet sich die WK rst für jedes dieser beiden Modelle:

rst+ = cst

+/∑t`cst`+ rst

- = cst-/∑t`cst`

-

(wobei cst die Anzahl der Fälle in welchen Symbol t Symbol s folgte ist)

rst+ und rst

- statistisch ermittelbar

Page 13: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

+ A C G T - A C G T

A 0.180 0.274 0.426 0.120 A 0.300 0.205 0.285 0.210

C 0.171 0.368 0.274 0.188 C 0.322 0.298 0.078 0.302

G 0.161 0.339 0.375 0.125 G 0.248 0.246 0.298 0.208

T 0.079 0.355 0.384 0.182 T 0.177 0.239 0.292 0.292

Page 14: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Beispiel: CpG – InselnHMM

Page 15: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Ein rekursiver Algorithmus zum Finden des wahrscheinlichsten Pfades π* (mit π* = argmaxP(x, π))

Sei vk(i) die WK eines wahrscheinlichsten Pfades, der in Zustand k endet mit Beobachtung i

Sei vk(i) bekannt für alle i, dann für i+1 gilt:

vl(i+1) = el(xi+1)max(vk(i)rkl)

Page 16: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Versteckte Zustände

Beobachtete Zustände

Initiale WK eines Anfangszustandes

Sonne Fußball spielen Sonne 0.63

Wolken Spazieren Wolken 0.17

Regen Putzen Regen 0.20

- Lesen - -

Page 17: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Wetter heute

Wetter

gestern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Versteckte Zustände

Fußball Spazieren Putzen Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

Page 18: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne

Wolken

Regen

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 19: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne

Wolken

Regen

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 20: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne

Wolken

Regen

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.63

Page 21: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne

Wolken

Regen

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.63*0.6 ≈ 0.378

Page 22: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken

Regen

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.63*0.6 ≈ 0.378

Page 23: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken

Regen

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.17*0.25

Page 24: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.17*0.25 ≈ 0.042

Page 25: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.2*0.05 ≈ 0.010

Page 26: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 27: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 28: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378

Page 29: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378*0.500

Page 30: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378*0.500*0.15

Page 31: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378*0.500*0.15 ≈ 0.028

Page 32: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 33: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.042

Page 34: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.042*0.375

Page 35: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.042*0.375*0,15 ≈ 0.002

Page 36: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 37: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.010*0.125*0.15 ≈ 0.0001

Page 38: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Max(0.028, 0.002, 0.0001) = 0.028

Page 39: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Max(0.028, 0.002, 0.0001) = 0.028

Page 40: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 41: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378*0.25*0.25 ≈ 0.023

Page 42: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.042*0.125*0.25 ≈ 0.001

Page 43: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.010*0.675*0.25 ≈ 0.001

Page 44: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042 0.023

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Max(0.023, 0.001, 0.001) = 0.023

Page 45: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042 0.023

Regen 0.010

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 46: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042 0.023

Regen 0.010 0.033

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 47: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028

Wolken 0.042 0.023

Regen 0.010 0.033

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 48: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028 0.0007

Wolken 0.042 0.023

Regen 0.010 0.033

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 49: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028 0.0007

Wolken 0.042 0.023 0.005

Regen 0.010 0.033 0.006

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Page 50: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028 0.0007

Wolken 0.042 0.023 0.005

Regen 0.010 0.033 0.006

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378+0.028+0.0007 ≈ 0.407

Page 51: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028 0.0007

Wolken 0.042 0.023 0.005

Regen 0.010 0.033 0.006

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378+0.033+0.006 ≈ 0.416

Page 52: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028 0.0007

Wolken 0.042 0.023 0.005

Regen 0.010 0.033 0.006

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

0.378+0.033+0.006 ≈ 0.417

Page 53: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi AlgorithmusFußball Putzen Lesen

Sonne 0.378 0.028 0.0007

Wolken 0.042 0.023 0.005

Regen 0.010 0.033 0.006

Wetter heute

Wetter

Ges

tern

Sonne Wolken Regen

Sonne 0.500 0.250 0.250

Wolken 0.375 0.125 0.375

Regen 0.125 0.675 0.375

Beobachtete Zustände

Verst.

Zust.

Fuß

ball

Spazi

eren

Pu

tzen

Lesen

Sonne 0.60 0.20 0.15 0.05

Wolken 0.25 0.25 0.25 0.25

Regen 0.05 0.10 0.35 0.50

WK für Anfangszustand

Sonne Wolken Regen

0.63 0.17 0.2

Max(0.407, 0.416, 0.417) = 0.417

Page 54: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Page 55: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Viterbi Algorithmus

Initialisierung (i = 0): v0(0) = 1, vk(0) = 0 für alle k > 0

Rekursion (i = 1..L): vl(i) = el(xi)maxk(vk(i-1)rkl)

ptri(l) = argmaxk(vk(i-1)rkl)

Terminierung: P(x, π*) = maxk(vk(L)rk0)

π*L= argmaxk(vk(L)(rk0)

Backtracking (i = L..1): π*i-1 = ptri(π* i)

Page 56: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mit HMM

F(i-1, j-1) F(i, j-1)

F(i-1, j)

F(i,j) = max[F(i-1,j-1)+s(xi,yj),

F(i-1,j)-d,

F(i,j-1)-d]

+s(xi, yj)-d

-d

Page 57: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMM Alignment mit affinen Gapkosten:Optimaler score für ein Alignment von x1..xi und y1..yj, der keinen Gap am Ende

hat

M(i,j) = max[M(i-1,j-1)+s(xi,yj),

Ix(i-1,j-1)+s(xi,yj),

Iy(i-1,j-1)+s(xi,yj)]

Optimaler score für ein Alignment von x1..xi und y1..yj, wo am Ende x mit einen Gap aligniert wird

Ix(i,j) = max[M(i-1,j)-d,

Ix(i-1,j)-e]

Optimaler score für ein Alignment von x1..xi und y1..yj, wo am Ende y mit einen Gap aligniert wird

Iy(i,j) = max[M(i,j-1)-d,

Iy(i,j-1)-e]

L G A xi

L G V yj

L G A xi

L G _ yj

L G _ xi

L G V yj

Page 58: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMM Alignment mit affinen Gapkosten:

M(i,j) = max[M(i-1,j-1)+s(xi,yj),

Ix(i-1,j-1)+s(xi,yj),

Iy(i-1,j-1)+s(xi,yj)]

Ix(i,j) = max[M(i-1,j)-d,

Ix(i-1,j)-e]

Iy(i,j) = max[M(i,j-1)-d,

Iy(i,j-1)-e]

A|A|C| - - - |A|ATTCCG|A|C|T |ACA|C|T|ACC|T| - - - - - -|C|G|C|- -

Page 59: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMM Alignment mit affinen Gapkosten:

M(i,j) = max[M(i-1,j-1)+s(xi,yj),

Ix(i-1,j-1)+s(xi,yj),

Iy(i-1,j-1)+s(xi,yj)]

Ix(i,j) = max[M(i-1,j)-d, anderer Block, neue Gapfolge

Ix(i-1,j)-e] selber Block, fortgesetzte Gapfolge

Iy(i,j) = max[M(i,j-1)-d, anderer Block, neue Gapfolge

Iy(i,j-1)-e] selber Block, fortgesetzte Gapfolge

}

}

Page 60: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mir HMM

Page 61: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mir HMM

V L S P KH L _ _ K

Page 62: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mir HMM

V L S P KH L _ _ K

Page 63: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mir HMM

V L S P KH L _ _ K

Page 64: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mir HMM

V L S P KH L _ _ K

Page 65: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mir HMM

V L S P KH L _ _ K

Page 66: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mir HMM

V L S P KH L _ _ K

Page 67: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMMNFA für Alignment mit affinen Gapkosten: dazugehöriges Wahrscheinlichkeitsmodell:

Page 68: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignment mit HMM

AA 0.21AC 0.01AG 0.05AT 0.04CA 0.02….

1-2

Match

A- 0.2C- 0.4G- 0.3T- 0.1

Gap Y

1-

-A 0.2-C 0.4-G 0.3-T 0.1

Gap X

1-H B M GX GX M M X A

A - T

- A

A T

T T

1/3 1- 1-2

.21 . 1 .2 .04 …

Begin

Page 69: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMMDas Wahrscheinlichkeitsmodell mit Begin und End Zuständen:

Page 70: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMMWas ist neu?

Es wird nicht mehr eine einzelne Sequenz generiert sondern ein paarweises Alignment

Man benötigt eine zusätzliche Dimension und deshalb wird vk(i) zu vk(i,j) erweitert

Page 71: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMMAngepasster Viterbi Algorithmus:

Initialisierung: vM(0,0) = 1, alle anderen v*(i,0), v*(0,j) sind 0

Rekursion (i = 1..n, j = 1..m): vM(i,j) = pxiyj

max[(1-2δ-τ)vM(i-1,j-1), (1-ε-τ)vX(i-1,j-1), (1-ε-τ)vY(i-1,j-1)]

vX(i,j) = qximax[δvM(i-1,j), εvX(i-1,j)]

vY(i,j) = qyimax[δvM(i,j-1), εvX(i,j-1)]

Terminierung: vE = τmax(vM(n,m),vX(n,m),vY(n,m))

Page 72: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMMlokales Alignment mit HMM:

Zuerst definieren wir ein Random-Modell:

Page 73: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Paarweises Alignieren mit HMMlokales Alignment mit HMM:

Page 74: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Zusammenfassung

Markov Ketten: Modelle für Sequenzgenerierung

HMM: verschiedene WK für dieselben Symbole abhängig vom Kontext

Viterbi Algorithmus: Algorithmus zum finden des wahrscheinlichsten Pfades durch die Zustände

Alignment mit HMM: Überführung von score-Gleichungen in die Wahrscheinlichkeitsmodelle

Page 75: Alignments mit Hidden Markov Modellen. Wofür sind HMMs gut? Gehört eine Sequenz zu einer bestimmten Familie? Falls eine Sequenz aus einer Familie stammt,

Ende

Fragen???