Encuentre un sitio de unión en una secuencia de ADN 

Una secuencia de ADN consiste en letras base A, C, G y T. Suponga que hay una secuencia que empieza con un exón, que contiene un sitio de unión y que termina en un intrón. Si los exones tienen una base de composición uniforme, los intrones son deficientes en C y G, y el consenso de nucleótidos del sitio de unión es G con probabilidad de 0.95, las distribuciones de frecuencias son las siguientes.

In[1]:=

X exon = {0.25, 0.25, 0.25, 0.25}; intron = {0.4, 0.1, 0.1, 0.4}; splice = {0.05, 0, 0.95, 0};

In[2]:=

X dnaSeq = Characters["CTTCATGTGAAAGCAGACGTAAGTCA"] /. {"A" -> 1, "C" -> 2, "G" -> 3, "T" -> 4};

La máquina de estados tiene estados para exón (1), unión (2), intrón (3) y final (4), con las siguientes probabilidades de transición entre estados.

In[3]:=

X tm = {{0.9, 0.1, 0, 0}, {0, 0, 1, 0}, {0, 0, 0.9, 0.1}, {0, 0, 0, 1}};

Las emisiones son nucleótidos A (1), C (2), G (3), T (4) o final (5).

In[4]:=

X em = PadRight[{exon, splice, intron, UnitVector[5, 5]}];

In[5]:=

X hmm = HiddenMarkovProcess[1, tm, em];

Encuentre la subsecuencia de nucleótido más probable (exón, unión, intrón o final).

In[6]:=

X sites = FindHiddenMarkovStates[Append[dnaSeq, 5], hmm]

Out[6]=

Encuentre la probabilidad conjunta de la secuencia de nucleótidos anterior y la secuencia de ADN.

In[7]:=

X Fold[Times, Likelihood[DiscreteMarkovProcess[hmm], sites], MapThread[Part[em, #1, #2] &, {sites, Append[dnaSeq, 5]}]]

Out[7]=