MEME(Motif-based sequence analysis tools)使用说明

2013/04/26评论32,252

MEME是用于从一堆序列中搜索功能结构域的工具。比如说当你拿到了许多CHIP-chip或者CHIP-seq的数据，当分析出峰所处的位置之后可以得到一些这些峰所代表的序列，这就是蛋白质与DNA相到作用所保护下来的片段。所以使用MEME搜索其中非常相似的序列片段就可能是有一定功能的结构域。

所以，MEME的输入必须至少有一个Pearson/FASTA格式的序列文件。

命令：meme <dataset> [optional arguments]

这里的<dataset>就是那个序列文件，必须是Pearson/FASTA格式，文件格式示例：

>ICYA_MANSE INSECTICYANIN A FORM (BLUE BILIPROTEIN)
GDIFYPGYCPDVKPVNDFDLSAFAGAWHEIAK
LPLENENQGKCTIAEYKYDGKKASVYNSFVSNGVKEYMEGDLEIAPDA
>LACB_BOVIN BETA-LACTOGLOBULIN PRECURSOR (BETA-LG) 
MKCLLLALALTCGAQALIVTQTMKGLDI
QKVAGTWYSLAMAASDISLLDAQSAPLRVYVEELKPTPEGDLEILLQKW

FASTA文件使用 “>”来进行注释，其后第一个单词为序列名，其后是一些说明性的文字。而后另起一行为序列，直到下一个注释符号截止。

MEME可以读取FASTA文件当中的权重。权重为单独的一行注释，以>WEIGHT这一注释符号开始，注意WEIGHT必须全部大写。其后是介于0~1的数字。这些数字按照序列的排序排布。

>WEIGHTS 0.5 .5 1.0 
>seq1
GDIFYPGYCPDVKPVNDFDLSAFAGAWHEIAK
>seq2
GDMFCPGYCPDVKPVGDFDLSAFAGAWHELAK
>seq3
QKVAGTWYSLAMAASDISLLDAQSAPLRVYVEELKPTPEGDLEILLQKW

下面就是meme的相关参数的说明：

输出位置：

默认值为 meme_out/目录。如果这个目录不存在，会新建一个。输出的文件会有meme.html，meme.xml, meme.txt, meme.xsl以及一些LOGO图片。当然你也可以设置输出的位置。

-o <output dir> 输出目录名；如果已经存在的话不覆盖该目录；
-oc <output dir> 输出目录名；如果已经存在的话覆盖该目录；
-text 只输出meme.txt文件。

DNA还是蛋白质：

MEME可以处理ＤＮＡ序列和蛋白质序列文件，但是不能同时处理这两种不同格式的序列。所以必须指定是dna还是protein。MEME默认值为蛋白质。

对于ＤＮＡ序列来说，可以包含ACGT，以及BDHKMNRSUVWY*-

对于蛋白质序列来说，可以包含ACDEFGHIKLMNPQRSTVWY，以及BUXZ*-

而其它的字符，MEME全部会转换为X(未知)。

-dna 序列为DNA序列
-protein 序列为蛋白质序列

功能域分布：

一般来讲，你必须对功能域可能的分布有一定概念。默认值认为每一个功能域在每段序列中至多只能出现一次，要不就不出现。

-mod <string> 分布类型
- oops 每个功能域在每一段序列中都会出现一次，而且只出现一次。这种模式是运算速度最快，而且最为敏感的。但是如果并不是每个序列都包含功能域，那就可能会有不正确的结果。
- zoops 每个功能域在每一段序列中至多只出现一次，可能不出现。这种模式运算速度较快，敏感性稍弱。
- anr 每个功能域在每一段序列中出现的次数不定。这种模式运算速度最慢，可能会多花十倍以上的时间。但是对于功能分布的情况完全未知的情况下，这一参数可能会有帮助。

与之关联的一个参数是

-maxsites

，这个后面会讲到。

搜索选项：

log likelihood ration (LLR) 以及 E-value是MEME用于搜索功能域排序的两个重要的依据。llr = log ( Pr ( sites | motif ) / Pr (sites | back ) )。其中，Pr ( sites | motif ) 是功能域序列每个残基出现的可能性，集合起来，就是一个距阵，被称为position-specific probability matrix (PSPM)。而Pr(sites|back)则是功能域在背景序列中出现的可能性，如果你提供了背景序列文件的话，与参数

-bfile

发表评论