scores

生物信息学中的e-value和z-scores

发信站:日月光华(2005年05月11日13:20:31星期三),站内信件

blast里面的话e-value和z-score都是和序列匹配的显著程度有关的，核酸

序列和蛋白序列都适用。你用blast搜索数据库，在每一对query和hit序列都

会有一个e-value和一个z-score。

E=-ln(1-p)

其中的p表示你的query序列和目的序列匹配是由于随机造成的概率，也就是假

阳性概率

p的范围在0-1之间所以E的范围是0到正无穷

假如一条很短的序列ATGG它匹配了另一条序列ACGG

那么这两条序列的p值应该是(1/4)^3*(3/4)=0.01171875

E=-ln(1-p)=0.011787956（不知道计算有没有失误....）

不过原理就是这样的因此e-value越小则序列匹配得越好

z-score统计学上的意义是某变量与均值的偏差再除以方差，越大的话可能性越

小

与一些数据库的参数有关还有normalization的过程复杂我不写了

总之，e-value和z-score是衡量序列相似性的指标，e越小，z越大，则两序

列越相似

evalue一般越小越好，也取决于你对数据的要求，一般0.01以上的是肯定不

可信的。