Ukol (5 bodu)

Navrhnete jednouduchy HMM pro klasifikaci sekvenci tvoricich kvadruplexy v DNA. G4-kvadruplex spravidla tvori ctyri shluky 2-5 guaninu oddelenych mezerami 1-8 bp.

Model by mel rozpoznavat skupiny guaninu od smycek nebo mit podobu profiloveho HMM pro urcitou skupinu kvadruplexu.

1) Ve sekvenci chromosomu 5 arabidopsis naleznete potencialni kvadruplexy pomoci regularniho vyrazu. Napr. G{2,5}.{1-8}....G{2,5} (prikaz egrep -o) na obou vlaknech.

2) Seznamte se s balikem HMM pro R. Nastavte tranzicni matici modelu HMM v R tak, aby sekvence zacinali znakem G a zustavali ve skrytem stavu potrebny pocet krat (v prumeru).

3) Natrenujte model algoritmem Baum-Welch na mnozine kvadruplexu. Porovnejte puvodni hodnoty parametru s novymi.

4) Pomoci FB algoritmu vyradte 10% kvadruplexu, ktere jsou nejmene pravdepodobne generovany Vasim HMM.

5) Opakujte 2-3x kroky 3 a 4.

Odevzdejte kod v R, ktery demonstruje vsechny uvedene kroky a kratky komentar.