Multiple Sequence Alignment using Simulated Annealing
Projecto desarrollado por Ing. Adrián Díaz & Dra. Gabriela Minetti dentro del contexto del Trabajo Final de Maestría en Bioinformática y Biología de Sistemas de la Universidad Nacional de Quilmes en la República Argentina.
Este proyecto contiene dos componentes principales: el código fuente de una implementación de SA adaptada para encontrar MSA de proteínas y un workflow escrito en Nextflow para comparar distintas herramientas de MSA existentes en el estado del arte.
La presentación de defensa pública que tuvo lugar el 25 de octubre de 2024 en forma online está disponible en YouTube así como las diapositivas que se encuentran adjuntas en este repositorio (public_defence_slides.pdf).
El código se encuentra dentro de la carpeta src. Hay un archivo que contiene un script que puede ejecutarse mediante CLI.
El componente inicial está definido en main.nf.
Los pre-requisitos son:
- Git
- Docker
- Anaconda/Miniconda
Una vez clonado este repositorio, se debe crear un ambiente de Conda para poder instalar las dependencias necesarias usando los canales bioconda y conda-forge:
- python v3.12
- numpy
- pandas
- matplotlib
- tcoffee
- biopython
- nextflow
A través de Nextflow se puede ejecutar el workflow de la siguiente manera:
nextflow run main.nf --input_dir ./datasets/BB11004 -with-docker -with-conda
La configuración de los parámetros de cada función heurística se encuentran dentro de modules/predictors.nf
-
Identidad:
--quality_function identity- Puntaje por coincidencia:
--match_score 8.0 - Puntaje por no-coincidencia:
--mismatch_score 1.0 - Penalidad por gap:
--gap_score 2.0 - Temperatura inicial:
--temp 5 - Temperatura final:
--min_temp 0.00009 - Tasa de enfriamiento:
--cooling_rate 0.99 - Cantidad máxima de eventos sin cambiar de energía:
--max_no_changes 2000 - Cantidad de estados vecinos a evaluar por iteración:
--iteration_neighbors 10 - Cantidad máxima de cambios a efectuar en cada estado vecino:
--changes 10 - Experimentos:
--experiments 30
- Puntaje por coincidencia:
-
Coincidencias:
--quality_function coincidences- Puntaje por coincidencia:
--match_score 10 - Puntaje por no-coincidencia:
--mismatch_score 0.75 - Penalidad por gap:
--gap_score 0.1 - Temperatura inicial:
--temp 0.90 - Temperatura final:
--min_temp 0.00001 - Tasa de enfriamiento:
--cooling_rate 0.99 - Cantidad máxima de eventos sin cambiar de energía:
--max_no_changes 2000 - Cantidad de estados vecinos a evaluar por iteración:
--iteration_neighbors 10 - Cantidad máxima de cambios a efectuar en cada estado vecino:
--changes 10 - Experimentos:
--experiments 30
- Puntaje por coincidencia:
-
Similitud Blosum62: ``--quality_function similarity_blosum62`
- Puntaje por no-coincidencia:
--mismatch_score -4.0 - Penalidad por gap:
--gap_score -4.0 - Temperatura inicial:
--temp 1.0 - Temperatura final:
--min_temp 0.00001 - Tasa de enfriamiento:
--cooling_rate 0.9925 - Cantidad máxima de eventos sin cambiar de energía:
--max_no_changes 2000 - Cantidad de estados vecinos a evaluar por iteración:
--iteration_neighbors 5 - Cantidad máxima de cambios a efectuar en cada estado vecino:
--changes 10 - Experimentos:
--experiments 30
- Puntaje por no-coincidencia:
-
Similitud PAM250: ``--quality_function similarity_pam250`
- Puntaje por no-coincidencia:
--mismatch_score -8.0 - Penalidad por gap:
--gap_score -8.0 - Temperatura inicial:
--temp 1.0 - Temperatura final:
--min_temp 0.00001 - Tasa de enfriamiento:
--cooling_rate 0.9925 - Cantidad máxima de eventos sin cambiar de energía:
--max_no_changes 2000 - Cantidad de estados vecinos a evaluar por iteración:
--iteration_neighbors 5 - Cantidad máxima de cambios a efectuar en cada estado vecino:
--changes 10 - Experimentos:
--experiments 30
- Puntaje por no-coincidencia:
-
Similitud Gonnet92: ``--quality_function similarity_gonnet`
- Puntaje por no-coincidencia:
--mismatch_score -6.0 - Penalidad por gap:
--gap_score -4.0 - Temperatura inicial:
--temp 1.0 - Temperatura final:
--min_temp 0.00001 - Tasa de enfriamiento:
--cooling_rate 0.9925 - Cantidad máxima de eventos sin cambiar de energía:
--max_no_changes 2000 - Cantidad de estados vecinos a evaluar por iteración:
--iteration_neighbors 5 - Cantidad máxima de cambios a efectuar en cada estado vecino:
--changes 10 - Experimentos:
--experiments 30
- Puntaje por no-coincidencia:
-
Global:
--quality_function global- Puntaje por coincidencia:
--match_score 10.0 - Puntaje por no-coincidencia:
--mismatch_score -1.0 - Penalidad por gap:
--gap_score -4.0 - Temperatura inicial:
--temp 0.80 - Temperatura final:
--min_temp 0.00005 - Tasa de enfriamiento:
--cooling_rate 0.995 - Cantidad máxima de eventos sin cambiar de energía:
--max_no_changes 2000 - Cantidad de estados vecinos a evaluar por iteración:
--iteration_neighbors 10 - Cantidad máxima de cambios a efectuar en cada estado vecino:
--changes 5 - Experimentos:
--experiments 30
- Puntaje por coincidencia:
-
Local:
--quality_function local- Puntaje por coincidencia:
--match_score 7.0 - Puntaje por no-coincidencia:
--mismatch_score 1.0 - Penalidad por gap:
--gap_score 3.0 - Temperatura inicial:
--temp 0.80 - Temperatura final:
--min_temp 0.00009 - Tasa de enfriamiento:
--cooling_rate 0.995 - Cantidad máxima de eventos sin cambiar de energía:
--max_no_changes 2000 - Cantidad de estados vecinos a evaluar por iteración:
--iteration_neighbors 10 - Cantidad máxima de cambios a efectuar en cada estado vecino:
--changes 10 - Experimentos:
--experiments 30
- Puntaje por coincidencia:
Ing. Adrián G. Díaz (ORCID) & Dra. Gabriela F. Minetti (ORCID)