pseqsid

计算多重序列比对中蛋白质的成对序列身份、相似度和标准化相似度得分。

用法

USAGE:
    pseqsid [OPTIONS] <MSA>

ARGS:
    <MSA>    Multiple Sequence Alignment file

OPTIONS:
    -i, --identity               Calculate pairwise sequence identity
    -s, --similarity             Calculate pairwise sequence similarity
    -n, --nss                    Calculate pairwise sequence Normalized Similarity Score
    -l, --length <LENGTH>        Sequence length to be use for identity and similarity calculations
                                 [default: smallest] [possible values: smallest, mean, largest,
                                 alignment]
    -g, --grouping <GROUPING>    Similarity amino acid grouping definition file. A default one is
                                 created if required and not provided
    -m, --matrix <MATRIX>        Type of matrix to be used for Normalized Similarity Score [default:
                                 blosum62] [possible values: blosum62, pam250, gonnet]
    -p, --po <PO>                Gap opening penalty (Po) [default: 10.0]
    -e, --pe <PE>                Gap extending penalty (Pe) [default: 0.5]
    -t, --threads <THREADS>      Number of threads to use. 0 use all available threads [default: 0]
    -h, --help                   Print help information
    -V, --version                Print version information

关于参数和选项的说明

<MSA> 是蛋白质多重序列比对文件（FASTA格式）的文件路径。仅接受标准氨基酸和间隙（-）。DNA序列的比对将解释为包含大量Ala、Gly、Thr和Cys残基的蛋白质，给出无意义的相似度和标准化相似度得分（NSS）值。

-i --identity 激活比对中条目之间的成对身份计算。序列身份定义为相对于序列长度的相同位置上相同残基的百分比。使用的序列长度类型由 -l 选项定义。除 alignment 外，所有序列长度类型都会忽略仅含间隙的列。

-l   --length   要使用的序列长度。如果给定的序列对存在间隙，则可以使用四种不同的序列长度值：最小值、平均值（均值）、最大值和对齐长度（最后一种只考虑仅含间隙的列，前三种不考虑）。选择哪种类型的长度将取决于分析的目的。例如，如果您有一个假设的蛋白质 prot_short，并且您正在使用模板蛋白质 template_long 来模拟 prot_short 的结构，并且 prot_short 的序列比 template_long 短，那么使用 -l smallest 将告诉您所需的身份值，以评估您同源建模的可行性。在其他情况下，如果您想使用身份值来了解任何给定的序列对在您的对齐中的相似程度，您可能应该使用 -l mean 或 alignment。

-s   --similarity   激活对齐中条目之间的成对相似度计算。序列相似度定义为与序列长度相比，在等效位置上相同或相似的残基的百分比。上述关于身份的说明大部分也适用于相似度。可以通过文件定义氨基酸相似度组，并通过 -g 选项提供。

-g   --grouping   相似度氨基酸分组文件的文件路径。如果没有提供且提供了 -s 选项，则创建并使用默认的名为 default_aa_similarity_groups.txt 的文件。此文件格式很简单：aa group name：single_letter_aa_names。# 符号注释掉该行剩余部分。每个组名只能定义一次，任何氨基酸只能属于一个组（或没有）。只接受标准氨基酸。每个组至少必须有两个氨基酸。如果需要，将默认文件 default_aa_similarity_groups.txt 作为自定义分组定义的模板使用。