Hierbei handelt es sich um eine Python Implementierung des Baum Welch Algorithmus für Hidden Markov Modelle.
Eine gesuchte Sequenz-Abfolge wird in das Modell gegeben.
Via Baum-Welch Algorithmus werden so lange Forward- & Backward- Algorithmus durchgeführt, bis stabile Resultate entstehen.
Bei jeder Itteration werden mit Hilfe der neu entstandenen Alpha- und Beta-Matrizen die Emissions- und Transmissions Matrizen angepasst.
Jede Baum-Welch Itteration erzeugt dabei fortlaufend nummerierte SVG-Datein, welche jeweils Alpha und Beta Matrix darstellen.
Die Initialverteilung wurde durch ein zusätzliches Symbol (Komma) im Eingabealphabet hinzugefügt.
Die möglichen Beobachtungen Festgelegt wurden diese auf die Nukleinsäuren: Adenin, Thymins, Guanin und Cytosin
self.SYMBOLS = [",", "A", "T", "G", "C"]Für die Untersuchung von RNA- oder Protein Sequenzen müssen diese entsprechend angepasst werden Das Komma dient der Init
Das Modell nutzt 3 Zustände ( 0, 1, 2 )
Die A-Matrix zeigt die Übergangswahrscheinlichkeiten einzelner Zustände ineinander. Leserichtung: Von Index -> Nach Spalte
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 0 | 0.5 | 0.5 |
| 1 | 0 | 0.25 | 0.75 |
| 2 | 0.5 | 0.25 | 0.25 |
Die B-Matrix gibt an, wie wahrscheinlich es ist, die jeweils mögliche Beobachtung in den verschiedenen Zuständen zu erzeugen.
Die Komma-Spalte gibt die Anfangsverteilung an.
| , | A | T | G | C | |
|---|---|---|---|---|---|
| 0 | 1 | 0 | 0 | 0 | 0 |
| 1 | 0 | 1/3 | 1/3 | 1/6 | 1/6 |
| 2 | 0 | 1/6 | 1/3 | 1/6 | 1/3 |
Die jeweils hellblau dargestellten Zellen geben die errechnete Wahrscheinlichkeit der gesuchten Output-Sequenz an.
