A Blast E az álpozitív értékek várható gyakorisága. Ez függ a lekérdezés méretétől (nukleotid- vagy aminosavmaradékok számától) és az adatbázis méretétől. Rövid lekérdezéssel és nagy adatbázissal nagyobb valószínűséggel lesz olyan sorrend az adatbázisban, amely egyszerű véletlenszerűen megfelel a lekérdezésnek. Összefoglalva: minél kisebb a lekérdezés és minél nagyobb az adatbázis, annál nagyobb az esély a hamis eredményre, és ezt méri E.

Persze, tehát kezdje úgy, hogy az úgynevezett bitscore, ami normalizálódik a 2 szekvencia egymáshoz igazításából számított pontszámhoz, amely a következő egyenlettől függ. független az adatbázis méretétől:

(lambda * S - ln (k)) / (ln) 2

Ezután a helyi robbanás p értéke csak:

1/2^bitscore

Tehát ha a bitscore 15, akkor 1 / 32768 igazítás, mielőtt olyan jó vagy jobb pontszámot kapna (nagyon hasonló szekvenciák) ESZKÖZÖL CSAK . Ez a "Véletlenszerűséggel" kérdéssel foglalkozik.

Korábban azt mondtam, hogy a bitscore független az adatbázis méretétől. Az E érték csak a fenti p érték, amelyet az adatbázis méretére normalizáltak (tehát függ a db méretétől) a következő egyenlet:

(lekérdezés hossza * adatbázis hossza * p-érték)

ami kissé leegyszerűsít:

E = (lekérdezés hossza * (db hossz / 2 ^ bitbit)

Remélem, hogy ez segít!

Az E kiszámítása a Blast számára jó kérdés.

Két módszer:

• Használjon méreg- vagy binomiális elosztást.
• Használjon véletlenszerűsítést

Szerintem annak nem. 1, mert nem. 2 túl sok számítási teljesítményt használna. Tudtam, de valaki kölcsönzött O'Reilly-könyvről a témában.

Az egyik közreműködő tudni fogja, mert gyanítom, hogy genomikai fejlesztőik vannak.