تجميع التسلسل

في المعلوماتية الحيوية ، تسعى خوارزميات تجميع التسلسلات إلى تجميع التسلسلات البيولوجية ذات الصلة. قد تكون هذه التسلسلات جينومية ، أو نسخية ( ESTs )، أو بروتينية . بالنسبة للبروتينات، تُجمّع التسلسلات المتماثلة عادةً في عائلات . أما بالنسبة لبيانات ESTs، فيُعدّ التجميع مهمًا لتجميع التسلسلات المنحدرة من نفس الجين قبل تجميع ESTs لإعادة بناء mRNA الأصلي .

تستخدم بعض خوارزميات التجميع التجميع أحادي الارتباط ، حيث تُنشئ إغلاقًا متعديًا للتسلسلات ذات التشابه الذي يتجاوز عتبة معينة. يستخدم كل من UCLUST ^{[ 1 ]} وCD-HIT ^{[ 2 ]} خوارزمية جشعة تُحدد تسلسلًا ممثلًا لكل مجموعة، وتُعين تسلسلًا جديدًا لتلك المجموعة إذا كان مشابهًا بدرجة كافية للتسلسل الممثل؛ أما إذا لم يُطابق التسلسل، فإنه يُصبح التسلسل الممثل لمجموعة جديدة. غالبًا ما تعتمد درجة التشابه على محاذاة التسلسلات . يُستخدم تجميع التسلسلات عادةً لإنشاء مجموعة غير متكررة من التسلسلات الممثلة .

غالباً ما تكون تجمعات التسلسل مرادفة (ولكنها ليست مطابقة) لعائلات البروتينات . ويهدف العديد من مبادرات علم الجينوم البنيوي إلى تحديد بنية ثلاثية نموذجية لكل تجمع تسلسل .

• CD-HIT ^{[ 2 ]}
• UCLUST في USEARCH ^{[ 1 ]}
• Starcode: ^{[ 3 ]} خوارزمية سريعة لتجميع التسلسلات تعتمد على البحث الدقيق عن جميع الأزواج. ^{[ 4 ]}
• OrthoFinder: ^{[ 5 ]} طريقة سريعة وقابلة للتطوير ودقيقة لتجميع البروتينات في عائلات جينية (مجموعات متماثلة) ^{[ 6 ] [ 7 ]}
• Linclust: ^{[ 8 ]} أول خوارزمية يتناسب وقت تشغيلها خطيًا مع حجم مجموعة المدخلات، وهي سريعة جدًا، وجزء من مجموعة برامج MMseqs2 ^{[ 9 ]} للبحث السريع والحساس عن التسلسلات وتجميع مجموعات التسلسلات الكبيرة
• TribeMCL: طريقة لتجميع البروتينات في مجموعات ذات صلة ^{[ 10 ]}
• BAG: خوارزمية تجميع التسلسلات القائمة على نظرية الرسم البياني ^{[ 11 ]}
• JESAM: ^{[ 12 ]} محرك محاذاة الحمض النووي مفتوح المصدر وقابل للتوسع بالتوازي مع مكون برمجي اختياري للتجميع
• UICluster: ^{[ 13 ]} التجميع المتوازي لتسلسلات EST (الجينات)
• BLASTClust التجميع أحادي الارتباط باستخدام BLAST ^{[ 14 ]}
• برنامج التجميع: ^{[ 15 ]} تطبيق جافا قابل للتوسيع لتجميع التسلسلات وتحليلات التجميع
• PATDB: برنامج لتحديد السلاسل الفرعية المثالية بسرعة
• nrdb: ^{[ 16 ]} برنامج لدمج التسلسلات المتكررة (المتطابقة) بشكل تافه
• CluSTr: ^{[ 17 ]} قاعدة بيانات لتجميع تسلسلات البروتينات ذات الارتباط الأحادي، تعتمد على تشابهات تسلسلات سميث-واترمان؛ وتغطي أكثر من 7 ملايين تسلسل، بما في ذلك UniProt وIPI
• ICAtools ^{[ 18 ]} - حزمة تجميع الحمض النووي الأصلية (القديمة) مع العديد من الخوارزميات المفيدة لاكتشاف القطع الأثرية أو تجميع EST
• أداة Skipredudant EMBOSS ^{[ 19 ]} لإزالة التسلسلات الزائدة من مجموعة
• خوارزمية CLUSS ^{[ 20 ]} لتحديد مجموعات من تسلسلات البروتينات التي يصعب محاذاتها، والتي ترتبط بنيويًا أو وظيفيًا أو تطوريًا. خادم ويب CLUSS ^{[ 21 ]}
• خوارزمية CLUSS2 ^{[ 22 ]} لتجميع عائلات تسلسلات البروتينات التي يصعب محاذاتها والتي لها وظائف بيولوجية متعددة. خادم ويب CLUSS2 ^{[ 21 ]}

• PISCES: خادم لتنقية تسلسل البروتين ^{[ 23 ]}
• RDB90 ^{[ 24 ]}
• UniRef: قاعدة بيانات تسلسل UniProt غير المتكررة ^{[ 25 ]}
• Uniclust: تسلسلات UniProtKB مجمعة عند مستوى تطابق تسلسل الأزواج بنسبة 90% و50% و30%. ^{[ 26 ]}
• مجموعات الجينات المتماثلة للفيروسات: ^{[ 27 ]} قاعدة بيانات لتجميع تسلسلات البروتينات الفيروسية؛ تحتوي على جميع الجينات المتوقعة من إحدى عشرة عائلة فيروسية، مُنظمة في مجموعات متماثلة حسب تشابه BLASTP

• تحليل التجميع
• تحليل التسلسل الاجتماعي