Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

SST - Sequence Search Tree

Ähnliche Präsentationen


Präsentation zum Thema: "SST - Sequence Search Tree"—  Präsentation transkript:

1 SST - Sequence Search Tree
weitere Form der Ähnlichkeitssuche Franziska Brosy Seminar - Fortgeschrittene algorithmische Bioinformatik

2 SST – Sequence Search Tree
Themenübersicht I weitere Form der Ähnlichkeitssuche Idee von SST Grundlagen L1–Abstand k-means Clustering TSVQ – Tree-Structured Vector Quantization SST – Sequence Search Tree

3 SST – Sequence Search Tree
Themenübersicht II SST–Algorithmus Komplexitätsziel Konstruktion des Indexbaumes Suchphase Testergebnis, Performanz Fazit SST – Sequence Search Tree

4 SST – Sequence Search Tree
Ähnlichkeitssuche Ähnlichkeit 2er Strings per Scoringfunktion Näherung: Welche Sequenzen haben wahrscheinlich einen hohen Ähnlichkeitsscore? BLAST & Co. heuristische Algorithmen zum lokalen Alignment BLAT schnell bei sehr ähnlichen Sequenzen Wie gut ist das Ergebnis? Charakterisierung durch Precision, Recall Schwellwerte zum Steuern des Precision-Recall Verhältnisses SST – Sequence Search Tree

5 weitere Form der Ähnlichkeitssuche
aber SST = nur Suche, kein Alignment neu: statt Seeds, Seedverlängerung jetzt Bilden von Sequenzclustern, Erstellen tree-structured Index, Finden ähnliche Sequenzen in einem Cluster Verwendung: large-scale sequencing, Filtermethode (True Negatives) SST – Sequence Search Tree

6 4. SST–Algorithmus 1. weitere Form der Ähnlichkeitssuche
2. Idee von SST 3. Grundlagen L1–Abstand, k-means Clustering, TSVQ 4. SST–Algorithmus Komplexitätsziel, Baumkonstruktion, Suchphase 5. Testergebnis, Performanz 6. Fazit

7 SST – Sequence Search Tree
SST – die Idee SST-Algorithmus durchsucht eine Datenbank (DNA-Sequenzen) nach near-exact Matches Datenbank, Anfrage in Fenster fester Länge W Fenster als 4k-dimensionale Vektoren tree-structured Index über alle Fenster suchen mit Hilfe des ts Index nach den nächsten Nachbarn der Anfragefenster SST – Sequence Search Tree

8 4. SST–Algorithmus 1. weitere Form der Ähnlichkeitssuche
2. Idee von SST 3. Grundlagen L1–Abstand, k-means Clustering, TSVQ 4. SST–Algorithmus Komplexitätsziel, Baumkonstruktion, Suchphase 5. Testergebnis, Performanz 6. Fazit

9 L1-Abstand (Manhattan-Abstand)
Maß für die Ähnlichkeit zwischen zwei Objekten hier: Objekte sind Vektoren V (später) SST – Sequence Search Tree

10 SST – Sequence Search Tree
k-means Clustering hard clustering Algorithmus Cluster-Bildung anhand des Zentrums der Mehrheit seiner Komponenten (Vektoren) zufällig gewählte Zentren, dann redefinieren Initalcluster, Iterationen 1) Vektor  Cluster, 2) Neuberechnung der Centroide Zentrum = Centroid = mean  SST – Sequence Search Tree

11 k-means Cluster mit L1-Abstand
Zuordnung Vektoren zu Cluster: L1-Abstand untere Schranke für Editabstand! (Ukkonen) L1(S,Q)  edit(S,Q) mit L1(S,Q) = d ges.: Sequenz Sq, geg.: Anfragesequenz Q L1(Sq,Q) > d  edit(Sq,Q) > d  Sq verwerfen Suche im Editabstand-Raum auf Suche im L1-Abstand-Raum approximierbar SST – Sequence Search Tree

12 k-means Clustering am Beispiel
SST – Sequence Search Tree

13 SST – Sequence Search Tree
TSVQ I Tree-Structured Vector Quantization Algorithmus zum Erstellen des ts Index sortiert (Sequenzen) topologisch, rekursiv hier: unter Verwendung k-means, L1-Abstand SST – Sequence Search Tree

14 SST – Sequence Search Tree
TSVQ II Art Nächste-Nachbarn-Suchalgorithmus innere Knoten = Centroide Kanten = Teilung in 2 Cluster Blätter = NN zum Eingabevektor (Anfrage) binärer Baum: binäre Tests an jedem Knoten kann NN in finden, SST – Sequence Search Tree

15 1. weitere Form der Ähnlichkeitssuche
2. Idee von SST 3. Grundlagen L1–Abstand, k-means Clustering, TSVQ 4. SST–Algorithmus Komplexitätsziel, Baumkonstruktion, Suchphase 5. Testergebnis, Performanz 6. Fazit

16 SST – Sequence Search Tree
Komplexitätsziel n – Größe der Datenbank m – Länge der Anfragesequenz AVG Konstruktion Index: AVG Suche des Index: k-means nicht immer Baumtiefe nicht immer SST – Sequence Search Tree

17 Konstruktion Indexbaum
3 Schritte, einmalig pro Datenbank (DB) 1) DB-Partionierung mit Sliding Windows 2) Abbilden der Fenster im Vektorraum 3) Bilden tree-structured Index für DB-Fenster anschließend: Suchphase SST – Sequence Search Tree

18 DB-Partionierung mit Sliding Windows
alle DB-Sequenzen in überlappende Fenster feste Fensterlänge W typische Werte 25  W  1000 Überlappung durch Parameter  typische Werte 5    W/2 Fensterposition Start: Ende: SST – Sequence Search Tree

19 DB-Partionierung am Beispiel
Fensterlänge W = 6 Überlappungen  = 2 j Start Ende A A C C G G T T A C G T A C G T SST – Sequence Search Tree

20 Abbilden der Fenster im Vektorraum I
pro Fenster/Sequenz ein Vektor mit: #Vorkommen jedes k-Tupels in der Sequenz zuerst Wahl Tupelgröße k (meist 2  k  10) DNA, 4 Elemente  4k Nukleotidentupel Vektordimensionen 4k SST – Sequence Search Tree

21 Abbilden der Fenster im Vektorraum II
Integerwert für alle k-Tupel SST – Sequence Search Tree

22 tree-structured Index für die DB-Fenster
jetzt nur noch: Finden nächste Nachbarn im Vektorraum dazu: Konstruktion ts Index im Vektorraum indem: rekursive binäre Partionierung mittels: k-means Clustering, TSVQ folglich: nächste Nachbarn als Set im Blatt WENN: Baum balanciert, k-means O(n) DANN: AVG Komplexität Baumkonstruktion O(n*log(n)) , n = Größe der DB SST – Sequence Search Tree

23 tree-structured Index für die DB-Fenster
jetzt nur noch: Finden nächste Nachbarn im Vektorraum dazu: Konstruktion ts Index im Vektorraum indem: rekursive binäre Partionierung mittels: k-means Clustering, TSVQ folglich: nächste Nachbarn als Set im Blatt WENN: Baum balanciert, k-means O(n) DANN: AVG Komplexität Baumkonstruktion O(n*log(n)) , n = Größe der DB SST – Sequence Search Tree

24 tree-structured Index für die DB-Fenster
jetzt nur noch: Finden nächste Nachbarn im Vektorraum dazu: Konstruktion ts Index im Vektorraum indem: rekursive binäre Partionierung mittels: k-means Clustering, TSVQ folglich: nächste Nachbarn als Set im Blatt WENN: Baum balanciert, k-means O(n) DANN: AVG Komplexität Baumkonstruktion O(n*log(n)) , n = Größe der DB SST – Sequence Search Tree

25 SST – Sequence Search Tree
Suchphase Anfrage in Fenster zerlegen, Vektoren berechnen Suche über ts Index (Baum binär) Beginn bei root innere Knoten, root: je 2 Verzweigungen Wahl: Zweig, dessen Centroid geringeren Abstand vom Anfragevektor hat solange bis Blatt erreicht Vektoren im Blatt = potentielles Ergebnis für die Anfrage SST – Sequence Search Tree

26 1. weitere Form der Ähnlichkeitssuche
2. Idee von SST 3. Grundlagen L1–Abstand, k-means Clustering, TSVQ 4. SST–Algorithmus Komplexitätsziel, Baumkonstruktion, Suchphase 5. Testergebnis, Performanz 6. Fazit

27 SST – Sequence Search Tree
Testergebnis am Bsp.: Finden von Überlappungen bei Shotgun Assembling (1.5 MBasen) nahezu 100%ige Spezifität bei günstigen k, W, T (T - tolerierter Abstand (I,D,R))  keine Aussage über FN, Sensitivität?? SST – Sequence Search Tree

28 SST – Sequence Search Tree
Performanz Vergleich mit BLAST am Bsp. mit Sequenzen nach Statistik: SST 9.3 bis 27 mal schneller als BLAST verschieden Werte: je nach Anfragefenster, Überlappungen/Nichtüberlappungen ohne Aussage über Konfiguration von BLAST BLAST = Suche + Alignment, SST = nur Suche SST – Sequence Search Tree

29 1. weitere Form der Ähnlichkeitssuche
2. Idee von SST 3. Grundlagen L1–Abstand, k-means Clustering, TSVQ 4. SST–Algorithmus Komplexitätsziel, Baumkonstruktion, Suchphase 5. Testergebnis, Performanz 6. Fazit

30 SST – Sequence Search Tree
Fazit SST findet recht viele nächste Nachbarn zu einer Anfragesequenz gutes Herausfiltern von TN Sequenzen nahe an Clustergrenze evtl. FN FN ‘vermutlich‘ gering (Verwendung k-means), somit ‘geringe‘ Einbußen bei Sensitivität schnelle Suche, bei günstiger Konfiguration evtl. sogar in kein Alignment SST – Sequence Search Tree


Herunterladen ppt "SST - Sequence Search Tree"

Ähnliche Präsentationen


Google-Anzeigen