Versteckte Markov-Modelle in der Sequenzanalyse
Hidden-Markov-Modelle sind probabilistische Rahmenwerke zur Modellierung von Sequenzmustern bei der Gensuche, Ausrichtung und Klassifizierung von Proteinfamilien.
K-mer-Analyse: Sequenzzusammensetzung und Häufigkeit
Die K-mer-Analyse zählt kurze Teilzeichenfolgen der Länge k in Sequenzen zur Genomcharakterisierung, Fehlerkorrektur und metagenomischen Binning.
Motiverkennung: Regulierungsmuster in Sequenzen finden
Die Motiverkennung identifiziert kurze, konservierte Sequenzmuster, die Bindungsstellen oder funktionelle Elemente darstellen.
Ausrichtung mehrerer Sequenzen: Vergleich von drei oder mehr Sequenzen
Das Multiple Sequence Alignment erweitert das paarweise Alignment, um mehrere homologe Sequenzen für die phylogenetische und funktionelle Analyse zu vergleichen.
Primerdesign für PCR und Sequenzierung
Das Primer-Design erzeugt kurze Oligonukleotide mit optimaler Thermodynamik und Spezifität für PCR-Amplifikations- und Sequenzierungsreaktionen.
Promotoranalyse: Identifizierung regulatorischer Regionen
Die Promotoranalyse identifiziert Transkriptionsstartstellen und regulatorische Elemente, die die Genexpression steuern.
Sequenzausrichtung: Paarweiser Vergleich biologischer Sequenzen
Beim Sequenz-Alignment werden DNA-, RNA- oder Proteinsequenzen angeordnet, um Bereiche mit Ähnlichkeit und evolutionären Beziehungen zu identifizieren.
Sequenzassemblierung: Rekonstruktion von DNA aus Fragmenten
Sequenzassemblierungsalgorithmen führen überlappende DNA-Fragmente zu zusammenhängenden Sequenzen für die Genom- und Transkriptomrekonstruktion zusammen.
Sequenzdatenbanksuche mit BLAST
BLAST findet Bereiche lokaler Ähnlichkeit zwischen Abfragesequenzen und Datenbankeinträgen für funktionale und evolutionäre Schlussfolgerungen.
