MEME 使用简介

原作者: 浓香鸭腿面

MEME 是一款用于研究 Motif 的 组合工具套。Motif 是指在一组序列中重复出现的相似的序列模式(pattern)。MEME包含多个小工具,如 MEME、STREME、 CentriMo、 AME、 FIMO、 Tomtom 等等。MEME 工具套的功能全面,包括 挖掘 Motif(Motif Discovery)、富集 Motif(Motif Enrichment)、查询 Motif(Motif Scanning)、比较 Motif(Motif Comparison)。

以下内容参考 MEME Manual (http://meme-suite.org/doc/overview.html?man_type=web)

一、挖掘 Motif(Motif Discovery)

挖掘 Motif 是指:MEME 基于用户所提供的序列,根据特定的算法,预测(Predict) 序列中可能包含的 Motif。需要注意的是,挖掘 Motif 的算法不是将序列与数据库中已知的 Motif 比对,也不是用已知的 Motif 模型对序列进行扫描(Scanning),而是基于用于提供的序列信息独立计算出的,即 全新 的Motif。

输入:Fasta 序列

输出:序列中 预测包含 的 Motif

1. MEME

MEME 是最基本的挖掘 Motif 模块,可以在 少量(<50) 的序列中挖掘 全新(novel)、无间隙(ungapped) 的 Motif。如果序列中存在长度不定的 Motif,MEME 会将其分割为两个或多个单独的 Motif。

注意,MEME 在挖掘 Motif 时使用的阈值是挖掘到的 Motif 的数量,而非 Motif 的可信度(E-value)。所以使用 MEME 时,需要提供想要从序列中挖掘到的 Motif 的数量,同时也要检查挖掘到的 Motif 的可信度。

注意,使用 Discriminative mode 或 Differential Enrichment mode 两种模式时,用户需要向 MEME 提交第二个序列文件,MEME 会以第二个序列文件作为对照,挖掘在第一个文件序列中 富集 的 Motif。


2. STREME

相比 MEME 可以在 大量(>50) 的序列中挖掘 全新、无间隙、富集 的 Motif。STREME 挖掘富集 Motif 时使用的对照序列有两种来源:

重排输入序列(DNA 序列以 3 个字符为整体进行重排)作为对照序列,无需额外提供对照序列(默认);

用户上传对照序列。

注意,以相同的序列作为输入时,MEME 挖掘的 Motif 较长,许多 Motif 的长度 >20,而 STREME 挖掘的 Motif 较短(约10)


二、富集 Motif(Motif Enrichment)

富集 Motif 是指:以一组序列为对照组,挖掘在另一组序列中 富集且已知 的 Motif。

输入:Fasta 序列

输出:序列中 富集且已知 的 Motif

1. AME (Analysis of Motif Enrichment)

AME 挖掘序列中 已知、富集 的 Motif。因为是挖掘已知的 Motif,所以使用 AME 要指定 Motif 数据库。判断 Motif 是否富集的方式与 STREME 一致。


2. CentriMo

CentriMo 挖掘序列中 固定位点(局部)、已知、富集 的Motif。相比 AME,CentriMo 的特点是找寻固定位点处的已知 Motif,即 Motif 处在所有序列中相同的位置,要求输入的序列长度必须相等。CentriMo 默认只寻找输入序列中间区段内已知的 Motif,适合 ChIP-Seq 数据,用于快速 寻找ChIP-Seq 的峰中所包含的已知 Motif。CentriMo 也可以寻找输入序列所有区段内已知的 Motif,适用于 寻找启动子区内的已知Motif 等。


三、扫描 Motif(Motif Scanning)

扫描 Motif 是指:用特定 Motif(用户上传)扫描序列(公共数据库或用户上传),筛选出包含特定 Motif 的序列。

输入:Motif 模型

输出:包含 Motif 的 序列

1. FIMO

FIMO 是最基本的扫描 Motif 模块,筛选出包含用户上传 Motif 的序列,筛选出的 序列可能包含多个 Motif。


2. MAST

相比 FIMO,MAST 筛选出的序列只展示 最佳匹配 的 Motif,即 每个序列只包含一个Motif。

3. MCAST

扫描序列为基因组,挖掘基因组上用户上传的 Motif 的富集区域。用户可以将某蛋白复合体的 DNA bind Motif 上传给MCAST,寻找此蛋白复合体在 染色体上 可能的结合位点等。


四、比较 Motif(Motif Comparison)

比较 Motif 是指:将 用户上传的 Motif 与数据库中 已知的 Motif 比较,筛选出与上传 Motif 相似的已知 Motif。可以将挖掘 Motif 模块找到的 Motif 作为输入,寻找数据库中与其相似的 Motif,预测挖掘到 Motif 的功能。 注意,AME 的输入是序列,Tomtom 的输入是 Motif。

输入:Motif 模型

输出:已知 的 Motif 模型

工具:Tomtom


©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,454评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,553评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,921评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,648评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,770评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,950评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,090评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,817评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,275评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,592评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,724评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,409评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,052评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,815评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,043评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,503评论 2 361
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,627评论 2 350

推荐阅读更多精彩内容