Übersicht

Ein Hidden-Markov-Modell (HMM) ist ein statistisches Modell, das eine Folge beobachtbarer Ereignisse so darstellt, als ob sie durch eine zugrunde liegende Folge unbeobachteter (verborgener) Zustände erzeugt würden. In der Bioinformatik modellieren HMMs biologische Sequenzen, bei denen die verborgenen Zustände Exon-/Intron-Grenzen, Protein-Sekundärstrukturelemente oder konservierte Spalten in einem Mehrfachsequenz-Alignment darstellen könnten. Die Stärke des HMM-Frameworks liegt in seiner Fähigkeit, positionsspezifische Erhaltungsmuster, Einfügungen und Löschungen durch eine einheitliche probabilistische Architektur zu erfassen, die anhand bekannter Beispiele trainiert wird.

Schlüsselkonzepte

Ein HMM wird durch drei Parametersätze definiert: Übergangswahrscheinlichkeiten zwischen verborgenen Zuständen, Emissionswahrscheinlichkeiten für die Beobachtung eines Symbols aus jedem Zustand und Anfangszustandswahrscheinlichkeiten. Der Viterbi-Algorithmus findet die wahrscheinlichste Sequenz versteckter Zustände für eine bestimmte Beobachtung – zum Beispiel die wahrscheinlichste Genstruktur für eine genomische DNA-Sequenz. Der Vorwärts-Rückwärts-Algorithmus berechnet die A-Posteriori-Wahrscheinlichkeit jedes Zustands an jeder Position, die zur Beurteilung der Vorhersagesicherheit verwendet werden kann. Profil-HMMs, erstellt aus mehreren Sequenz-Alignments, modellieren Proteindomänenfamilien. Das HMMER-Softwarepaket verwendet Profil-HMMs für die empfindliche Fernerkennung von Homologien und übertrifft BLAST für divergente Sequenzen.

Anwendungen

HMMs werden zur Genvorhersage in prokaryotischen und eukaryotischen Genomen verwendet, um Spleißstellen und kodierende Regionen zu identifizieren. Profil-HMMs klassifizieren Proteine in Familien und Superfamilien und unterstützen so die Vorhersage der Proteinstruktur und die funktionelle Annotation. Sie modellieren die Substratspezifität in der [Enzymklassifizierung und -nomenklatur] (/guides/enzyme-classification-and-nomenclature.html) und erkennen regulatorische Elemente in der [DNA-Struktur und -Topologie] (/guides/dna-structure-and-topology.html). In der Metagenomik weisen HMMs Fragmenten unbekannter Herkunft funktionale Rollen zu.

Praktisches Protokoll

Die HMMER-Software-Suite ermöglicht die Erstellung und Suche von Profil-HMMs. Um eine Proteinabfrage anhand einer Pfam-Domänendatenbank zu durchsuchen, verwenden Sie „hmmscan“: „hmmscan –cpu 8 –domtblout domains.txt Pfam-A.hmm query_proteins.fasta“. Die Ausgabedatei „domtblout“ meldet Treffer pro Domäne mit E-Werten, Bit-Scores und Ausrichtungskoordinaten. Der Domänen-E-Wert misst die Bedeutung einer Domänenübereinstimmung. Werte < 0,01 weisen auf sichere Treffer hin. Der Bit-Score (in Nats) ist unabhängig von der Datenbankgröße und ermöglicht so einen Kreuzvergleich. So erstellen Sie ein benutzerdefiniertes Profil-HMM aus einem Alignment mit mehreren Sequenzen: Erstellen Sie das HMM mit „hmmbuild my_domain.hmmaligned_seqs.sto“, wobei das Eingabe-Alignment im Stockholm-Format vorliegen sollte. Kalibrieren Sie das HMM für die E-Wert-Berechnung: „hmmkalibrieren –cpu 8 my_domain.hmm“. Durchsuchen Sie eine Sequenzdatenbank mit Ihrem HMM: „hmmsearch -E 1e-5 –cpu 8 –tblout hits.txt my_domain.hmm target_sequences.fasta“. Die Tabelle „–tblout“ listet die Treffer mit der höchsten Punktzahl pro Zielsequenz auf. Für die iterative Homologieerkennung und -ausrichtung verwenden Sie „jackhmmer“: „jackhmmer -N 5 –cpu 8 –tblout jackhmmer_output.txt query.fasta uniprot_sprot.fasta“. Jackhmmer durchsucht die Datenbank iterativ und verwendet die Treffer jeder Runde, um ein neues HMM für die nächste Runde zu erstellen, das normalerweise nach 5 Iterationen konvergiert. Interpretation von E-Werten: In HMMER3 berücksichtigt der E-Wert die Größe der Zieldatenbank und die HMM-Länge; Werte < 0,01 gelten als signifikant für die Domänenidentifizierung. Verwenden Sie zum Annotieren ganzer metagenomischer Contigs die in Tools wie METABOLIC oder DRAM integrierte „hmmer“-Pipeline, die vorhergesagte offene Leserahmen gegen Pfam, TIGRFAMs und andere HMM-Datenbanken scannt, um funktionale Kategorien zuzuweisen.