48、Regene：自动构建多分量狄利克雷先验

Regene：自动构建多分量狄利克雷先验

在RNA相似性搜索问题中，协方差模型（CM）是一种重要工具。本文将介绍CM模型、狄利克雷混合先验的相关内容，以及新工具Regene的构建和实验结果。

1. 协方差模型（CM）

协方差模型（CM）由Eddy和Durbin提出，用于表示特定的非编码RNA家族。它是随机上下文无关文法（SCFGs）的一个子集，被称为“轮廓SCFG”。

主要的产生式类型包括：
- (P → aXb)：用于茎中的碱基对。
- (L → aX) 和 (R → Xb)：用于单链碱基。
- (B → SS)：用于分叉，分离具有多个茎的环。

每个非终结符称为“状态”，终结符（即序列的碱基）称为“发射”，这些术语借鉴自隐马尔可夫模型（HMMs）。

CM的构建过程如下：
1. 根据二级结构共识机械地构建状态。
2. 构建“引导树”，节点代表单链碱基、碱基对和具有多个茎的环。

例如，图1展示了一个虚构tRNA家族的共识二级结构和生成的数据结构。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(二级结构共识):::process --> B(构建状态):::process
    B --> C(构建引导树):::process
    C --> D(生成CM):::process

CM的使用方式是通过“遍历”状态，收集