nhmmer - क्लाउड में ऑनलाइन

कार्यक्रम:

नाम

nhmmer - डीएनए/आरएनए अनुक्रम डेटाबेस के विरुद्ध डीएनए/आरएनए क्वेरी खोजें

SYNOPSIS

न्हमेर [विकल्प]

वर्णन

न्हमेर न्यूक्लियोटाइड अनुक्रम के विरुद्ध एक या अधिक न्यूक्लियोटाइड प्रश्नों को खोजने के लिए उपयोग किया जाता है
डेटाबेस। प्रत्येक प्रश्न के लिए , लक्ष्य डेटाबेस को खोजने के लिए उस क्वेरी का उपयोग करें
क्रम में , और सबसे महत्वपूर्ण हिट्स की एक रैंक वाली सूची आउटपुट करें
क्वेरी से मेल खाता है. एक क्वेरी या तो एक प्रोफ़ाइल मॉडल का उपयोग करके बनाई गई हो सकती है हम्मबिल्डतक
अनुक्रम संरेखण, या एकल अनुक्रम। अनुक्रम आधारित प्रश्न संख्या में हो सकते हैं
प्रारूप (देखें --qformat), और आमतौर पर स्वत: पता लगाया जा सकता है। बस इतना ही ध्यान दें स्टॉकहोम
प्रारूप एक से अधिक अनुक्रम संरेखण से बनी क्वेरी का समर्थन करता है।

या तो क्वेरी या लक्ष्य हो सकता है '-' (एक डैश वर्ण), जिसमें
यदि क्वेरी फ़ाइल या लक्ष्य डेटाबेस इनपुट a से पढ़ा जाएगा के बजाय पाइप
एक फ़ाइल से. केवल एक ही इनपुट स्रोत आ सकता है , दोनों नहीं. यदि प्रश्न है
अनुक्रम-आधारित और पारित किया गया , द --qformat ध्वज का प्रयोग अवश्य करना चाहिए। यदि
तो, इसमें एक से अधिक क्वेरी शामिल हैं से नहीं आ सकता , क्योंकि
हम स्ट्रीमिंग लक्ष्य डेटाबेस को किसी अन्य प्रोफ़ाइल के साथ खोजने के लिए रिवाइंड नहीं कर सकते।

यदि क्वेरी अनुक्रम-आधारित है, न कि से , एक नई फ़ाइल जिसमें HMM शामिल है
इनपुट से निर्मित फ़ाइल नाम सेट के साथ वैकल्पिक रूप से उत्पादित किया जा सकता है
का उपयोग --हम्मआउट झंडा।

आउटपुट स्वरूप मानव-पठनीय होने के लिए डिज़ाइन किया गया है, लेकिन अक्सर इतना बड़ा होता है कि
इसे पढ़ना अव्यावहारिक है, और इसे पार्स करना एक दर्द है। NS --tbloout विकल्प आउटपुट को a . में बचाता है
सरल सारणीबद्ध प्रारूप जो संक्षिप्त और पार्स करने में आसान है। NS -o विकल्प अनुमति देता है
मुख्य आउटपुट को पुनर्निर्देशित करना, जिसमें इसे /dev/null में फेंकना शामिल है।

विकल्प

-h मदद; कमांड लाइन उपयोग और सभी उपलब्ध विकल्पों का एक संक्षिप्त अनुस्मारक प्रिंट करें।

विकल्प के लिए नियंत्रित आउटपुट

-o मुख्य मानव-पठनीय आउटपुट को फ़ाइल में निर्देशित करें डिफ़ॉल्ट स्टडआउट के बजाय।

-A सभी महत्वपूर्ण हिट (संतोषजनक) के एकाधिक संरेखण सहेजें समावेश
थ्रेसहोल्ड) फाइल करने के लिए .

--tbloout
प्रति-लक्ष्य आउटपुट को सारांशित करते हुए एक साधारण सारणीबद्ध (स्पेस-सीमांकित) फ़ाइल सहेजें,
प्रति समरूप लक्ष्य अनुक्रम में एक डेटा लाइन के साथ मिला।

--dfamtblout
प्रति-हिट आउटपुट को सारांशित करते हुए एक सारणीबद्ध (स्पेस-सीमांकित) फ़ाइल सहेजें, जैसे
--tbloout लेकिन अधिक संक्षिप्त।

--एलिस्कोर्सआउट
प्रत्येक हिट के लिए प्रति-स्थिति स्कोर की सूची दर्ज करने के लिए सहेजें। यह उपयोगी है, के लिए
उदाहरण, हल करने में उपयोग के लिए उच्च स्कोर घनत्व वाले क्षेत्रों की पहचान करने में
विभिन्न मॉडलों से ओवरलैपिंग हिट।

--हम्मआउट
अगर अनुक्रम-आधारित है, आंतरिक रूप से गणना किए गए HMM(s) को लिखें .

--एसीसी मुख्य आउटपुट में नामों के बजाय एक्सेस का उपयोग करें, जहां प्रोफाइल के लिए उपलब्ध हो
और/या अनुक्रम।

--नोअली
मुख्य आउटपुट से संरेखण अनुभाग को छोड़ दें। यह आउटपुट को बहुत कम कर सकता है
मात्रा।

--notextw
मुख्य आउटपुट में प्रत्येक पंक्ति की लंबाई को सीमित करें। डिफ़ॉल्ट 120 . की सीमा है
प्रति पंक्ति वर्ण, जो टर्मिनलों पर आउटपुट को स्पष्ट रूप से प्रदर्शित करने में मदद करता है और
संपादकों में, लेकिन लक्ष्य प्रोफ़ाइल विवरण पंक्तियों को छोटा कर सकता है।

--textw
मुख्य आउटपुट की लाइन लंबाई सीमा को सेट करें प्रति पंक्ति वर्ण। डिफ़ॉल्ट है
120.

विकल्प नियंत्रित रिपोर्टिंग थ्रेसहोल्ड

रिपोर्टिंग थ्रेशोल्ड नियंत्रित करता है कि कौन से हिट आउटपुट फाइलों में रिपोर्ट किए जाते हैं (मुख्य आउटपुट,
--tbloout, तथा --dfamtblout) हिट्स को सांख्यिकीय महत्व (ई-वैल्यू) के आधार पर रैंक किया जाता है।

-E <= के ई-मान के साथ लक्ष्य अनुक्रमों की रिपोर्ट करें . डिफ़ॉल्ट 10.0 है, जिसका अर्थ है
कि औसतन, प्रति प्रश्न लगभग 10 झूठी सकारात्मक रिपोर्ट की जाएगी, ताकि आप कर सकें
शोर के शीर्ष को देखें और अपने लिए तय करें कि क्या यह वास्तव में शोर है।

-T ई-वैल्यू पर थ्रेशोल्डिंग आउटपुट के बजाय, लक्ष्य अनुक्रमों को ए के साथ रिपोर्ट करें
बिट स्कोर>= .

विकल्प के लिए समावेशन थ्रेसहोल्ड

समावेशन थ्रेशोल्ड रिपोर्टिंग थ्रेशोल्ड की तुलना में अधिक सख्त हैं। समावेशन सीमा नियंत्रण
कौन से हिट को आउटपुट संरेखण में शामिल करने के लिए पर्याप्त विश्वसनीय माना जाता है या a
बाद के खोज दौर, या संदिग्ध ("?") के विपरीत महत्वपूर्ण ("!") के रूप में चिह्नित किया गया
हिट आउटपुट में.

--incई
<= . के ई-मान का उपयोग करें समावेश सीमा के रूप में। डिफ़ॉल्ट 0.01 है, जिसका अर्थ है
कि औसतन, प्रत्येक 1 खोजों में लगभग 100 झूठी सकारात्मकता की उम्मीद की जाएगी
विभिन्न क्वेरी अनुक्रमों के साथ।

--incT
समावेशन सीमा निर्धारित करने के लिए ई-मानों का उपयोग करने के बजाय, थोड़ा सा स्कोर का उपयोग करें
>= समावेशन सीमा के रूप में। डिफ़ॉल्ट रूप से यह विकल्प अनसेट है.

विकल्प के लिए मॉडल-विशिष्ट स्कोर थ्रेशोल्डिंग

क्यूरेटेड प्रोफाइल डेटाबेस प्रत्येक प्रोफाइल के लिए विशिष्ट बिट स्कोर थ्रेसहोल्ड परिभाषित कर सकते हैं,
अकेले सांख्यिकीय महत्व के आधार पर किसी भी सीमा का अधिक्रमण करना।

इन विकल्पों का उपयोग करने के लिए, प्रोफ़ाइल में उपयुक्त (GA, TC, और/या NC) होना चाहिए
वैकल्पिक स्कोर थ्रेशोल्ड एनोटेशन; यह द्वारा उठाया जाता है हम्मबिल्ड स्टॉकहोम प्रारूप से
संरेखण फ़ाइलें। न्यूक्लियोटाइड मॉडल के लिए, प्रत्येक थ्रेशोल्डिंग विकल्प में एकल प्रति-हिट
सीमा यह कार्य करता है जैसे -T --incT प्रत्येक . का उपयोग करके विशेष रूप से लागू किया गया है
मॉडल की क्यूरेटेड थ्रेसहोल्ड।

--कट_गा
प्रति-हिट रिपोर्टिंग सेट करने के लिए मॉडल में GA (एकत्रित) बिट स्कोर सीमा का उपयोग करें
और समावेशन की दहलीज। GA थ्रेसहोल्ड को आम तौर पर विश्वसनीय माना जाता है
पारिवारिक सदस्यता को परिभाषित करने वाली क्यूरेटेड थ्रेसहोल्ड; उदाहरण के लिए, Dfam में, ये
एक परिवार के मॉडल के साथ जीनोम की व्याख्या करते समय थ्रेसहोल्ड लागू होते हैं
उस जीव में पाया जाता है। वे न्यूनतम अपेक्षित झूठी खोज की अनुमति दे सकते हैं
मूल्यांकन करें।

--कट_एनसी
प्रति-हिट रिपोर्टिंग सेट करने के लिए मॉडल में NC (शोर कटऑफ) बिट स्कोर थ्रेशोल्ड का उपयोग करें
और समावेशन की दहलीज। GA की तुलना में NC थ्रेशोल्ड कम कठोर हैं; के सन्दर्भ में
Pfam के, वे आम तौर पर ज्ञात उच्चतम स्कोरिंग के स्कोर को संग्रहीत करने के लिए उपयोग किए जाते हैं
सकारात्मक झूठी।

--कट_टीसी
प्रति-हिट सेट करने के लिए मॉडल में NC (विश्वसनीय कटऑफ) बिट स्कोर थ्रेशोल्ड का उपयोग करें
रिपोर्टिंग और समावेशन सीमाएं। TC थ्रेशोल्ड GA की तुलना में अधिक कठोर हैं, और
आम तौर पर सबसे कम स्कोरिंग ज्ञात सच्चे सकारात्मक का स्कोर माना जाता है
जो सभी ज्ञात झूठी सकारात्मकताओं से ऊपर है; उदाहरण के लिए, Dfam में, ये सीमाएँ हैं
एक ऐसे परिवार के मॉडल के साथ जीनोम की व्याख्या करते समय लागू किया जाता है जो ज्ञात नहीं है
वह जीव।

विकल्प नियंत्रित THE त्वरण पाइप लाइन

HMMER3 खोजों को तीन-चरण फ़िल्टर पाइपलाइन में त्वरित किया जाता है: स्कैनिंग-SSV फ़िल्टर,
Viterbi फ़िल्टर और फ़ॉरवर्ड फ़िल्टर। पहला फ़िल्टर सबसे तेज़ और सबसे अधिक
अनुमानित; अंतिम पूर्ण फॉरवर्ड स्कोरिंग एल्गोरिथम है। एक पूर्वाग्रह फ़िल्टर भी है
SSV और Viterbi के बीच का चरण। लक्ष्य जो त्वरण पाइपलाइन में सभी चरणों को पार करते हैं
फिर पोस्टप्रोसेसिंग के अधीन किया जाता है - डोमेन पहचान और स्कोरिंग का उपयोग करके
फॉरवर्ड/बैकवर्ड एल्गोरिथम।

फ़िल्टर थ्रेशोल्ड को बदलने से केवल लक्ष्य हटा दिए जाते हैं या विचार किए जाते हैं; बदलना
फ़िल्टर थ्रेशोल्ड बिट स्कोर, ई-मान या संरेखण को नहीं बदलता है, जो सभी हैं
पूरी तरह से पोस्टप्रोसेसिंग में निर्धारित।

--मैक्स पूर्वाग्रह फ़िल्टर सहित सभी फ़िल्टर बंद (लगभग) करें, और पूरा चलाएं
अधिकांश लक्ष्य अनुक्रम पर फॉरवर्ड/बैकवर्ड पोस्टप्रोसेसिंग। के विपरीत
fmmer और हम्मसर्च, जहां यह ध्वज वास्तव में फ़िल्टर को पूरी तरह से बंद कर देता है,
la --मैक्स में झंडा न्हमेर स्कैनिंग-एसएसवी फ़िल्टर सीमा को 0.4 पर सेट करता है, 1.0 पर नहीं।
इस ध्वज के उपयोग से संवेदनशीलता कुछ हद तक बढ़ जाती है, गति की बड़ी कीमत पर।

--F1
एसएसवी फ़िल्टर चरण के लिए पी-वैल्यू थ्रेशोल्ड सेट करें। डिफ़ॉल्ट 0.02 है, अर्थात
उच्चतम स्कोरिंग गैर-समरूप लक्ष्यों का लगभग 2% पास होने की उम्मीद है
फ़िल्टर।

--F2
Viterbi फ़िल्टर चरण के लिए P-मान थ्रेशोल्ड सेट करें। डिफ़ॉल्ट 0.001 है।

--F3
फ़ॉरवर्ड फ़िल्टर चरण के लिए P-मान थ्रेशोल्ड सेट करें। डिफ़ॉल्ट 1e-5 है।

--नोबियास
बायस फिल्टर को बंद कर दें। यह कुछ हद तक संवेदनशीलता बढ़ाता है, लेकिन एक पर आ सकता है
गति में उच्च लागत, विशेष रूप से यदि क्वेरी में पक्षपाती अवशेष संरचना है (जैसे
एक दोहराव अनुक्रम क्षेत्र, या यदि यह बड़े क्षेत्रों के साथ एक झिल्ली प्रोटीन है
हाइड्रोफोबिसिटी)। पूर्वाग्रह फ़िल्टर के बिना, बहुत से अनुक्रम फ़िल्टर को पास कर सकते हैं
पक्षपातपूर्ण प्रश्नों के साथ, अपेक्षित प्रदर्शन की तुलना में धीमी गति के लिए अग्रणी
कम्प्यूटेशनल रूप से गहन फॉरवर्ड/बैकवर्ड एल्गोरिदम एक असामान्य रूप से भारी कंधे
भार।

विकल्प के लिए निर्दिष्ट करना THE वर्णमाला

लक्ष्य डेटाबेस का वर्णमाला प्रकार (डीएनए या आरएनए) डिफ़ॉल्ट रूप से स्वतः पता लगाया जाता है
की रचना को देख रहे हैं . ऑटोडिटेक्शन आमतौर पर काफी विश्वसनीय है, लेकिन
कभी-कभी वर्णमाला प्रकार अस्पष्ट हो सकता है और ऑटोडिटेक्शन विफल हो सकता है (उदाहरण के लिए, जब
पहला अनुक्रम अस्पष्ट पात्रों की श्रृंखला से शुरू होता है)। इससे बचने के लिए, या
स्वचालित विश्लेषण पाइपलाइनों में मजबूती बढ़ाएं, आप वर्णमाला प्रकार निर्दिष्ट कर सकते हैं
इन विकल्पों के साथ।

--डीएनए निर्दिष्ट करें कि सभी अनुक्रम डीएनए हैं।

--rna निर्दिष्ट करें कि सभी अनुक्रम आरएनए हैं।

विकल्प नियंत्रित बीज खोजे अनुमानी

जब खोज रहे हों न्हमेर, कोई वैकल्पिक रूप से लक्ष्य के बाइनरी संस्करण की पूर्व-गणना कर सकता है
डेटाबेस, का उपयोग करना मेकहमेरडीबी, फिर उस डेटाबेस के विरुद्ध खोजें। डिफ़ॉल्ट सेटिंग्स का उपयोग करना,
यह बेंचमार्क पर संवेदनशीलता के छोटे नुकसान के साथ लगभग 10 गुना त्वरण उत्पन्न करता है।
यह एक अनुमानी विधि का उपयोग करके प्राप्त किया जाता है जो बीजों की खोज करता है (अप्रयुक्त संरेखण)
जिसके चारों ओर पूरी प्रोसेसिंग की जाती है. यह मूलतः SSV चरण का प्रतिस्थापन है।
(इस पद्धति का बड़े पैमाने पर परीक्षण किया गया है, लेकिन इसे अभी भी कुछ हद तक माना जाना चाहिए
प्रायोगिक।) निम्नलिखित विकल्प केवल प्रभाव डालते हैं न्हमेर यदि का मान --tformat is
hmmerdb.

इस बीज-खोज चरण के लिए पैरामीटर बदलने से गति और संवेदनशीलता दोनों पर असर पड़ेगा -
आम तौर पर तेज़ खोज से संवेदनशीलता कम हो जाती है।

--बीज_अधिकतम_गहराई
बीज चरण के लिए आवश्यक है कि बीज अब लंबाई में एक निर्दिष्ट बिट स्कोर तक न पहुँचे
से . डिफ़ॉल्ट रूप से, यह मान 15 है। लंबे बीज अधिक संभावना देते हैं
बिट स्कोर सीमा को पूरा करने से फ़िल्टरिंग कम (अधिक) हो जाती है
संवेदनशीलता, धीमी गति से चलने का समय)।

--seed_sc_thresh
बीज को स्कोर तक पहुंचना चाहिए (बिट्स में). डिफ़ॉल्ट 15.0 बिट है. एक उच्च
थ्रेशोल्ड फ़िल्टरिंग कठोरता को बढ़ाता है, जिससे चलने का समय तेज़ और कम हो जाता है
संवेदनशीलता।

--seed_sc_घनत्व
बीज के या तो सभी उपसर्गों या सभी प्रत्ययों में बिट घनत्व (बिट्स प्रति) होना चाहिए
संरेखित स्थिति) कम से कम . डिफ़ॉल्ट 0.8 बिट/स्थिति है। एक वृद्धि
घनत्व की आवश्यकता में फ़िल्टरिंग कठोरता बढ़ जाती है, इस प्रकार तेजी से चलती है
समय और कम संवेदनशीलता।

--बीज_ड्रॉप_मैक्स_लेन
एक बीज की लंबाई नहीं हो सकती जिसमें स्कोर कम हो जाता है --बीज_बूंद_लिम
या अधिक। मूल रूप से, यह उन बीजों को काटता है जो लंबे, थोड़े-नकारात्मक बीज से गुजरते हैं
एक्सटेंशन. डिफ़ॉल्ट 4 है। सीमा बढ़ाने से (थोड़ा सा) कम हो जाता है
फ़िल्टरिंग दक्षता, इस प्रकार धीमी गति से चलने का समय और उच्च संवेदनशीलता। (मामूली ट्यूनिंग
विकल्प)

--बीज_बूंद_लिम
एक बीज में, लंबाई की कोई सीमा नहीं हो सकती है --बीज_ड्रॉप_मैक्स_लेन जिसमें स्कोर
गिर जाता है --बीज_बूंद_लिम. डिफ़ॉल्ट 0.3 बिट है. बड़ी संख्या का मतलब कम है
छानना. (मामूली ट्यूनिंग विकल्प)

--seed_req_pos
एक बीज में कम से कम एक रन अवश्य होना चाहिए सकारात्मक स्कोरिंग मैच। डिफ़ॉल्ट है
5. बड़े मूल्यों का मतलब बढ़ी हुई फ़िल्टरिंग है। (मामूली ट्यूनिंग विकल्प)

--बीज_एसएसवी_लंबाई
एक छोटा बीज ढूंढने के बाद, एक अनगैप्ड एलाइनमेंट को दोनों दिशाओं में बढ़ाया जाता है
से मिलने का एक प्रयास --F1 स्कोर सीमा. वह खिड़की जिसके माध्यम से यह खुल गया
संरेखण का विस्तार लंबाई है . डिफ़ॉल्ट 70 है। इस मान को घटाया जा रहा है
संवेदनशीलता कम होने के जोखिम के साथ, रन टाइम को थोड़ा कम कर देता है। (मामूली ट्यूनिंग
विकल्प)

अन्य विकल्प

--tformat
जोर दें कि लक्ष्य अनुक्रम डेटाबेस फ़ाइल प्रारूप में है . स्वीकृत प्रारूप
शामिल व्रत, प्रतीक चिन्ह, GenBank, डीडीबीजे, यूनिप्रोट, स्टॉकहोल्म, पीएफएएम, a2m, दादा, तथा
hmmerfm. डिफ़ॉल्ट फ़ाइल के प्रारूप का स्वतः पता लगाना है। प्रारूप hmmerfm
इंगित करता है कि डेटाबेस फ़ाइल एक बाइनरी फ़ाइल है जिसका उपयोग करके उत्पादित किया जाता है मेकहमेरडीबी (इस
प्रारूप वर्तमान में स्वतः पता नहीं लगाया गया है)।

--qformat
घोषणा करें कि इनपुट प्रारूप में है . इसका उपयोग क्वेरी करते समय किया जाता है
प्रोफ़ाइल मॉडल(मॉडलों) से बना होने के बजाय अनुक्रम-आधारित है। वर्तमान में स्वीकृत है
एकाधिक संरेखण अनुक्रम फ़ाइल स्वरूपों में स्टॉकहोम, एलाइन्ड FASTA, क्लस्टल, शामिल हैं
एनसीबीआई पीएसआई-ब्लास्ट, फिलिप, सेलेक्स, और यूसीएससी एसएएम ए2एम। डिफ़ॉल्ट का स्वतः पता लगाना है
फ़ाइल का प्रारूप.

--नॉनुल2
पक्षपाती रचना के लिए null2 स्कोर सुधार बंद करें।

-Z प्रति-हिट ई-मूल्य गणना के प्रयोजनों के लिए, दावा करें कि का कुल आकार
लक्ष्य डेटाबेस है वास्तविक संख्या के बजाय मिलियन न्यूक्लियोटाइड
लक्ष्य देखे गए.

--बीज
यादृच्छिक संख्या बीज को पर सेट करें . पोस्टप्रोसेसिंग में कुछ चरणों के लिए मोंटे . की आवश्यकता होती है
कार्लो सिमुलेशन। तयशुदा बीज (42) का उपयोग करने के लिए डिफ़ॉल्ट है, ताकि परिणाम हो
बिल्कुल प्रतिलिपि प्रस्तुत करने योग्य। कोई अन्य धनात्मक पूर्णांक भिन्न देगा (लेकिन यह भी
प्रतिलिपि प्रस्तुत करने योग्य) परिणाम। 0 का विकल्प यादृच्छिक रूप से चुने गए बीज का उपयोग करता है।

--w_बीटा
खिड़की की लंबाई पूंछ द्रव्यमान। ऊपरी सीमा, W, जिस लंबाई पर nhmmer उम्मीद करता है
मॉडल का एक उदाहरण खोजने के लिए इस तरह सेट किया गया है कि सभी अनुक्रमों का अंश
लंबाई के साथ मॉडल द्वारा उत्पन्न >= W से कम है . डिफ़ॉल्ट 1e-7 है।
इस ध्वज का उपयोग के मान को ओवरराइड करने के लिए किया जा सकता है W द्वारा मॉडल के लिए स्थापित
हम्मबिल्ड, या जब क्वेरी अनुक्रम-आधारित हो।

--w_लंबाई
मॉडल उदाहरण लंबाई ऊपरी सीमा को ओवरराइड करें, W, जो अन्यथा द्वारा नियंत्रित किया जाता है
--w_बीटा. यह मॉडल की लंबाई से बड़ा होना चाहिए। का मूल्य W गहरा उपयोग किया जाता है
त्वरण पाइपलाइन में, और मामूली बदलावों से परिणामों पर असर पड़ने की उम्मीद नहीं है
(हालांकि के बड़े मान W लंबे समय तक चलने के लिए नेतृत्व करें)। इस ध्वज का उपयोग किया जा सकता है
के मान को ओवरराइड करें W द्वारा मॉडल के लिए स्थापित हम्मबिल्ड, या जब क्वेरी है
अनुक्रम आधारित.

--केवल शीर्ष
केवल शीर्ष स्ट्रैंड खोजें। डिफ़ॉल्ट रूप से दोनों क्वेरी अनुक्रम और इसके विपरीत-
पूरक खोजे जाते हैं।

--सिर्फ नीचे
केवल नीचे (रिवर्स-पूरक) स्ट्रैंड खोजें। डिफ़ॉल्ट रूप से दोनों क्वेरी
अनुक्रम और इसके विपरीत-पूरक खोजे जाते हैं।

--सी पी यू
समानांतर कार्यकर्ता थ्रेड्स की संख्या को सेट करें . डिफ़ॉल्ट रूप से, HMMER इसे इस पर सेट करता है
यह आपकी मशीन में सीपीयू कोर की संख्या का पता लगाता है - यानी, यह अधिकतम करने की कोशिश करता है
आपके उपलब्ध प्रोसेसर कोर का उपयोग। स्थापना की संख्या से अधिक
उपलब्ध कोर बहुत कम हैं यदि कोई मूल्य है, लेकिन आप इसे किसी चीज़ पर सेट करना चाह सकते हैं
कम। आप एक पर्यावरण चर सेट करके भी इस संख्या को नियंत्रित कर सकते हैं,
एचएमएमईआर_एनसीपीयू.

यह विकल्प केवल तभी उपलब्ध होता है जब HMMER को POSIX थ्रेड्स समर्थन के साथ संकलित किया गया हो।
यह डिफ़ॉल्ट है, लेकिन हो सकता है कि इसे आपकी साइट के लिए संकलन-समय पर बंद कर दिया गया हो
या किसी कारण से मशीन।

--स्टाल
MPI मास्टर/वर्कर संस्करण को डीबग करने के लिए: प्रारंभ करने के बाद रोकें, सक्षम करने के लिए
डिबगर्स को चल रहे मास्टर और वर्कर (ओं) प्रक्रियाओं में संलग्न करने के लिए डेवलपर। भेजना
विराम जारी करने के लिए SIGCONT संकेत। (जीडीबी के तहत: (GDB) संकेत सिगकॉन्ट) (केवल
उपलब्ध है यदि वैकल्पिक MPI समर्थन संकलन-समय पर सक्षम किया गया था।)

--एमपीआई MPI मास्टर/वर्कर मोड में चलाएँ, का उपयोग कर mpirun. (केवल तभी उपलब्ध है जब वैकल्पिक MPI
समर्थन संकलन-समय पर सक्षम किया गया था।)

onworks.net सेवाओं का उपयोग करके nhmmer का ऑनलाइन उपयोग करें