亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Tolerating some redundancy significantly speeds up clustering of large protein databases

聚类分析 冗余(工程) 计算机科学 身份(音乐) 数据库 序列(生物学) 序列数据库 数据挖掘 人工智能 生物 遗传学 操作系统 声学 基因 物理
作者
Weizhong Li,Lukasz Jaroszewski,Adam Godzik
出处
期刊:Bioinformatics [Oxford University Press]
卷期号:18 (1): 77-82 被引量:502
标识
DOI:10.1093/bioinformatics/18.1.77
摘要

Abstract Motivation: Sequence clustering replaces groups of similar sequences in a database with single representatives. Clustering large protein databases like the NCBI Non-Redundant database (NR) using even the best currently available clustering algorithms is very time-consuming and only practical at relatively high sequence identity thresholds. Our previous program, CD-HI, clustered NR at 90% identity in ∼1 h and at 75% identity in ∼1 day on a 1 GHz Linux PC (Li et al. , Bioinformatics, 17, 282, 2001); however even faster clustering speed is needed because the size of protein databases are rapidly growing and many applications desire a lower attainable thresholds. Results: For our previous algorithm (CD-HI), we have employed short-word filters to speed up the clustering. In this paper, we show that tolerating some redundancy makes for more efficient use of these short-word filters and increases the program’s speed 100 times. Our new program implements this technique and clusters NR at 70% identity within 2 h, and at 50% identity in ∼5 days. Although some redundancy is present after clustering, our new program’s results only differ from our previous program’s by less than 0.4%. Availability: The program and its previous version are available at http://bioinformatics.burnham-inst.org/cd-hi Contact: liwz@burnham-inst.org; adam@burnham-inst.org * To whom correspondence should be addressed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
朴素的荧荧完成签到,获得积分10
4秒前
6秒前
11秒前
幸运鹅发布了新的文献求助30
12秒前
高震博完成签到,获得积分10
14秒前
小付发布了新的文献求助10
19秒前
蜗牛完成签到 ,获得积分10
29秒前
酷酷云朵完成签到,获得积分10
32秒前
飞快的乘风完成签到,获得积分10
40秒前
XHGG发布了新的文献求助10
1分钟前
犹豫静白完成签到,获得积分10
1分钟前
1分钟前
XHGG完成签到,获得积分20
1分钟前
Criminology34的应助被科研通管家采纳,获得10
1分钟前
星辰大海的应助被科研通管家采纳,获得10
1分钟前
1分钟前
Lucas的应助被科研通管家采纳,获得10
1分钟前
共享精神的应助被科研通管家采纳,获得10
1分钟前
lhp的应助被科研通管家采纳,获得10
1分钟前
CipherSage的应助被科研通管家采纳,获得10
1分钟前
Hello的应助被科研通管家采纳,获得10
1分钟前
lhp的应助被科研通管家采纳,获得10
1分钟前
所所的应助被科研通管家采纳,获得10
1分钟前
lhp的应助被科研通管家采纳,获得10
1分钟前
威武的成协完成签到,获得积分10
1分钟前
彪壮的从阳完成签到,获得积分10
1分钟前
1分钟前
幸运鹅发布了新的文献求助10
1分钟前
木齐Jay完成签到,获得积分10
1分钟前
1分钟前
默默翠霜完成签到,获得积分10
1分钟前
1分钟前
淡淡的怜翠完成签到,获得积分10
1分钟前
jojo完成签到,获得积分10
1分钟前
1分钟前
滴滴答答发布了新的文献求助10
1分钟前
文静2020发布了新的文献求助10
2分钟前
xin发布了新的文献求助10
2分钟前
诚心铅笔完成签到,获得积分10
2分钟前
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
A REVIEW OF THE V-22 DYNAMICS VALIDATION PROGRAM 600
Les Mots du discours 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8122783
求助须知:如何正确求助?哪些是违规求助? 9526930
关于积分的说明 21563430
捐赠科研通 7702000
什么是DOI,文献DOI怎么找? 3415803
关于科研通互助平台的介绍 2541465
邀请新用户注册赠送积分活动 2456268