짧은 요약(Abstract) :    
* MMseqs2는 대규모 단백질 서열 데이터를 빠르고 정확하게 분석하는 고성능 도구  
* MMseqs2는 k-mer 일치 검색, 벡터화된 무간극 정렬, 간극이 있는 정렬의 세 단계 과정을 사용  
* 병렬 처리와 분산 처리 기술을 통해 대용량 데이터 분석을 효율적으로 수행할 수 있음  

* MMseqs2 is for handling large protein sequence data, which uses a three-step process involving k-mer match search, vectorized gapless alignment, and gapped alignment    
* Parallel and distributed processing techniques enable efficient analysis of large data volumes  

Useful sentences :  
*


Paper link
Lecture link


단어정리

  • throughput: 처리량. dna sequence 처리량. 한시간에 dna sequence 몇개 이런식
  • sensitivity: 민감도 또는 recall ( = TP/(TP+FN)), 정확한 일치(즉, 진짜 hit 검출)를 찾아내는 능력
    ** 참고로 여기서는 주어진 E-value 이하의 첫 번째 거짓 양성(Falst Positive) 일치보다 더 나은 E-value를 가진 참 양성(True Positive) 일치의 비율로 측정
  • aggravates: 더욱 악화시키다, 심화시키다
  • consecutive: 연속적인
  • diagonal: 일치가 발생하는 서열 정렬 매트릭스의 대각선.. 뭐 사실상 유사한이라는 맥락이라고 함
  • homologous sequence: 진화학적 관련있는 유사한…
  • suppressing: 압축 맞음.. 즉 시간이나 봐야할 것들의 양을 적게한다는 맥락으로 사용
  • offset: 위치 표시.. 보다는 위치.. 즉, 데이터 구조, 배열, 또는 메모리 내 특정 위치를 나타냄!
  • AUC sensitivity: Area Under the Curve. 진짜 양성 비율(True Positive Rate) 대 거짓 양성 비율(False Positive Rate)을 다양한 임계값에서 그린 것 , 값이 높을수록 알고리즘이 양성 샘플을 정확하게 감지하는 능력이 높음을 의미, 진짜 양성을 잘 감지하고, 거짓 양성을 최소화하는 데 효과적


To the Editor:

  • MMseqs2는 대규모 메타게놈 데이터 세트 분석을 위한 민감한 단백질 서열 검색 도구
  • 기존 검색 도구들과 비교하여 속도와 민감도의 트레이드오프에서 모든 범위에서 개선
    ** PSI-BLAST보다 400배 빠른 속도로 더 높은 민감도를 달성
  • MMseqs2 검색은 세 단계로 구성:
    ** 짧은 단어(‘k-mer’) 일치
    ** 벡터화된 무간극(gapless) 정렬 ** 그리고 간극이 있는(Smith–Waterman) 정렬
  • 첫 번째 단계는 성능 향상에 결정적
  • MMseqs2는 유사 k-mer 사이에서 k-mer 일치를 찾아내며, 이를 통해 높은 민감도를 유지하면서 큰 k-mer 크기를 사용할 수 있음

  • MMseqs2는 수동 벡터화, 다중 코어 분산 처리, 및 대상 데이터베이스를 여러 서버에 분할하여 병렬 처리를 통해 높은 수준의 병렬화를 달성
    ** 이러한 기능으로 인해 대규모 데이터 세트의 분석 속도가 획기적으로 빨라지고, 메타게놈 및 전체 게놈 단백질 서열 공간의 분석이 용이

  • MMseqs2 is a sensitive tool for searching protein sequences in large metagenomic datasets
  • It improves speed and sensitivity over other search tools in all aspects
    ** Achieves higher sensitivity at a speed 400 times faster than PSI-BLAST
  • MMseqs2 search involves three steps:
    ** Matching short words (‘k-mers’)
    ** Vectorized gapless alignment
    ** Gapped alignment using Smith-Waterman
  • The first step is crucial for better performance
  • MMseqs2 finds matches between similar k-mers, allowing the use of large k-mer sizes while maintaining high sensitivity
  • MMseqs2 achieves high-level parallelization through manual vectorization, multi-core distributed processing, and splitting the target database across multiple servers for parallel processing
    ** These features greatly speed up the analysis of large datasets, making it easier to analyze metagenomes and the entire proteome space.

참고

  • 근데 smith waterman aligner SWIPE나 k-mer incex용 TANTAN등 타 프로그램, 라이브러리 사용함
  • UniProt에 태깅해주는데 SCOP데이터 기반으로 해준다고하네.. 이게 테스트데이터같은 느낌?
  • false positive가 diamond보다 적음

  • true positive 잘 감지하고 false positive 잘 줄이므로 좋은 모델이다 이말!

  • MMseqs2 employs tools like the SWIPE aligner and TANTAN for k-mer indexing
  • It labels UniProt sequences using SCOP data, appearing to act as test data
  • It shows fewer false positives than DIAMOND
  • As it accurately finds true positives and minimizes false positives, it is regarded as a strong model