Crystallography dan Nuclear Magnetic Resonance NMR spectroscopy. Albert et al. 2007. Cara ini akan menghasilkan struktur protein secara tepat dan sangat
memungkinkan menghasilkan struktur baru. Cara kedua adalah dengan pendekatan heuristic yaitu dengan comparative modelling yang hasilnya berupa
prediksi. Prediksi struktur protein dengan menggunakan pendekatan heuristik ini, tidak akan menghasilkan penemuan struktur protein baru karena pendekatan ini
hanya melakukan perbandingan antara data yang kita miliki dengan model yang sudah ada.
2.3 Hidden Markov Model HMM
Hidden Markov Model HMM merupakan model probabilistik yang dapat diaplikasikan untuk menganalisis model deret waktu atau sekuens linear Eddy
1998. Pada sekitar tahun 1990, untuk membandingkan dua buah sekuens data biologi baik DNA atau RNA digunakan perbandingan pasangan antara dua
sekuens yang akan disamakan. Namun, terdapat kendala yang ada apabila dua sekuens tersebut tidak sama di samping kesulitan apabila adanya sekuens baru
Baldi dan Brunak 2001. HMMs adalah salah satu pendekatan yang digunakan untuk memodelkan kumpulan sekuens tersebut. HMMs telah banyak
dikembangkan pada banyak permasalahan seperti speech recognition Rabiner 1989.
Menurut Rabiner 1989, aplikasi pada HMMs pada akhirnya akan direduksi untuk menyelesaikan tiga jenis permasalahan, yaitu :
1. Jika diberikan suatu model
π B,
A, =
λ
, bagaimana menghitung peluang dari sukuens observasi O = O
1
,O
2
,...O
T
yang dinotasikan dengan
λ |
PO
2. Jika diberikan suatu model
π B,
A, =
λ
, bagaimana memilih state sekuens I = I
1
,I
2
,...I
T
sehingga
λ |
I PO,
sebagai peluang bersama dari sekuens observasi O = O
1
,O
2
,...O
T
dan state sekuens tersebut memiliki nilai maksimum
3. Mendapatkan parameter model HMM yang optimal sehingga peluang
suatu observasi memiliki nilai maksimum,
dengan
λ
adalah model HMM A adalah Matriks peluang transisi,
B adalah Matriks peluang emisi dan
π
adalah Matriks peluang awal Matriks priority O = O
1
,O
2
,...O
T
adalah variabel observasi
λ |
PO
adalah peluang variabel observasi jika diberikan model Hidden Markov Model HMMs menggambarkan distribusi peluang dari