HMMed - Hidden Markov Modell Editor

Expert Tuned Hidden Markov Modells For Makro Molecules
Entwicklung eines HMM Editors zur Modelierung von Proteinfamilien

The mission of the HMModeler R&D group (head: Dr. Stefan Wegenkittl) is to develop bioinformatics tools for the interactive design and application of hidden markov models (HMMs). In contrast to existing tools (HMMER, SAM), the focus is on exploitation of the high flexibility of such models by seamless integration of machine learning algorithms and user interaction. The later allows to introduce expert knowledge in the design process, in the former, we stress the information flow from structural 3D superposition to multiple sequence alignments (MSAs) and, finally, to HMMs. The technique for superposition of proteins, the derivation of MSAs therefrom, and the validation of HMModeler by application to various protein families is done by our cooperation partner, Dr. Peter Lackner, and his research group at the University of Salzburg.


Ein Forschungsteam aus dem Bereich Informationstechnik und System- Management der Fachhochschule Salzburg und dem Fachbereich Molekulare Biologie der Universität Salzburg entwickelten gemeinsam ein neuartiges Modell zur Bestimmung und Visualisierung von Proteinfamilien. Um die Proteinfamilien zu beschreiben, verwendet Team als Basis das klassische 9-state Profile Hidden Markov Modell. „Eine wesentliche Innovation ist ein Konzept zur Beeinflussung und Änderung automatisiert generierter Modellparameter. Es ist den BiologInnen nun in einer grafischen Benutzeroberfläche möglich, gezielt in das Modell einzugreifen“, erläutert Wegenkittl. Dazu wurden drei Meta-Parameter entwickelt, über die biologisches Fachwissen spaltenweise in das Modell eingebracht werden kann. Damit können in einzelnen Spalten bestimmte Aminosäuren erzwungen werden sowie Sollbruchstellen des Modells, also jene Regionen, in denen bevorzugt Insertionen und Deletionen auftreten, gekennzeichnet werden. Jede Benutzereingabe wird sofort mathematisch verarbeitet, aufgrund der gewählten Einstellungen neu berechnet und dem Benutzer das Ergebnis anschaulich dargestellt. Der Editor erlaubt ein effizientes Erstellen maßgeschneiderter Hidden Markov Modelle, so Wegenkittl. Die sehr zahlreichen und in ihrer Auswirkung für den mathematischen Laien schwer einzuschätzenden Einzelparameter müssen nicht modiziert werde. Dennoch kann auf der Ebene der Metaparameter in das zunächst automatisch ermittelte Modell eingegriffen werden.

Facts:

Team: S. Wegenkittl, P. Lackner, M. Radlingmaier, F. Auer
Laufzeit: März 2006 - August 2008
Fördergeber: Austrian Marshall Plan Foundation
Kooperationspartner: FB Molekularbiologie, Paris Lodron Universität Salzburg