在之前的文章中,对motif的几个基本概念进行了简单介绍。一致性序列采用IUPAC
碱基表示标准来描述motif的序列信息,sequence logo是结合碱基分布频率和一致性序列的一种直观展示形式。本文对motif的碱基分布频率进行详细介绍。
PFM全称为position frequency matrix, 用于代表motif的碱基分布频数,本身是一个很容易了解的概念,以下图所示的motif序列为例

根据以上8条序列可以统计出对应的碱基分布频数,如下所示

每行为一种碱基,每一列为motif的一个位置。
在描述motif信息时,除了一致性序列和sequence logo外,PFM矩阵也是一个常见的元素。不同软件会有不同的标准,理解这些格式就是本文的核心内容。
JASPAR是一个常用的转录因子motif数据库,在该数据库中,针对PFM矩阵有多种格式,如下图所示

1. RAW PFM
原始的PFM矩阵示意如下

第一行和fasta格式的序列标识符类似,>
开头,MA
开头的字符串为转录因子在JASPAR数据库中的编号,是唯一的,AGL3
表示该转录因子的名称。
接下来的4行依次表示A
, C
, G
, T
4种碱基在每个位置的频数分布。
2. JASPAR
JASPAR格式的PFM矩阵示意如下

和原始的PFM矩阵非常类似,只不过在每行的开头标注了对应的碱基,并且用[
和]
操作符将碱基频数矩阵括起来。
3. TRANSFAC
TRANSFAC格式的PFM矩阵示意如下

采用了TRANSFAC数据库中的文件标准,AC
表示motif编号,ID
表示motif的名称,PO
以及下面的行为对应的碱基分布频数。
4. MEME
MEME格式的PFM矩阵示意如下

ALPJABEAT
代表碱基的字符集,strands
代表链的方向性, -
代笔在使用meme预测motif时没有指定链的方向,Background
代表背景中的碱基组成频率,MOTIF
和以下的行为对应的碱基分布频率。
不同的软件和数据库对应的PFM矩阵的格式不同,在使用不同软件和数据库时需要注意。