Множественная ЭМ для выявления мотивов

Максимизация множественных ожиданий для выявления мотивов (MEME) — это инструмент для обнаружения мотивов в группе связанных последовательностей ДНК или белков . ^{[ 1 ]}

Мотив — это образец последовательности, который неоднократно встречается в группе родственных последовательностей белков или ДНК и часто связан с некоторой биологической функцией. MEME представляет мотивы как зависящие от положения матрицы вероятностей букв , которые описывают вероятность каждой возможной буквы в каждой позиции шаблона. Отдельные цМемные мотивы не содержат пробелов. Узоры с промежутками переменной длины разделяются цМЕМом на два или более отдельных мотива.

MEME принимает на вход группу последовательностей ДНК или белков (обучающий набор) и выводит столько мотивов, сколько требуется. Он использует методы статистического моделирования для автоматического выбора наилучшей ширины, количества вхождений и описания для каждого мотива.

MEME — первый из набора инструментов для анализа мотивов, называемого набором MEME .

Определение

Алгоритм MEME можно понять с двух разных точек зрения. С биологической точки зрения, MEME идентифицирует и характеризует общие мотивы в наборе невыровненных последовательностей. С точки зрения информатики, MEME находит набор непересекающихся, приблизительно совпадающих подстрок по начальному набору строк. ^{[ нужна ссылка ]}

Использовать

MEME можно использовать для поиска сходных биологических функций и структур в разных последовательностях. Необходимо учитывать, что вариация последовательностей может быть значительной, а мотивы иногда очень малы. Полезно также учитывать, что места связывания белков очень специфичны. Это позволяет сократить количество экспериментов в мокрых лабораториях (экономя затраты и время). Действительно, чтобы лучше обнаружить мотивы, релевантные с биологической точки зрения, необходимо тщательно выбирать: лучшую ширину мотивов, количество вхождений в каждой последовательности и состав каждого мотива.

Компоненты алгоритма

Алгоритм использует несколько типов известных функций:

Максимизация ожиданий (ЕМ).
Эвристика на основе EM для выбора отправной точки EM.
Эвристика на основе максимального отношения правдоподобия (LRT) для определения наилучшего количества параметров, не зависящих от модели.
Мультизапуск для поиска по возможной ширине вышивки.
Жадный поиск нескольких мотивов.

Однако часто не знаешь, где находится стартовая позиция. Существует несколько возможностей: ровно один мотив на последовательность, или один или нулевой мотив на последовательность, или любое количество мотивов на последовательность.

См. также

Ссылки

^ Бэйли Т.Л., Элкан К. Неконтролируемое изучение множественных мотивов в биополимерах с использованием ЭМ. Мах. Учиться. 1995;21:51–80.

Внешние ссылки

MEME Suite — инструменты анализа последовательностей на основе мотивов
Версия MEME с ускорением на графическом процессоре
EXTREME — онлайн-ЭМ-реализация модели MEME для быстрого обнаружения мотивов в больших данных ChIP-Seq и DNase-Seq Footprinting.

[Bailey_and_Elkan_1995-1] Бэйли Т.Л., Элкан К. Неконтролируемое изучение множественных мотивов в биополимерах с использованием ЭМ. Мах. Учиться. 1995;21:51–80.

[ 1 ]