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

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

2011-05-27 ~ ADMIN

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

相关。

搜索选项分别为：

1. 功能域数
   • -nmotifs <n> 一共搜索多少个功能域就停止。默认值为1。
   • -evt <p> 如果E-value大于<p>时，就停止搜索。默认值为无穷大。
2. 功能域出现的次数
   • -nsites <n>
     -minsites <n>
     -maxsites <n>
     nsites设定之后，MEME搜索到一个功能域出现n次之后就停止该功能域的搜索并进入下一个功能域搜索。而出现次数的最小值和最大值由minsites和maxsites来设定。默认值为-minsites:2,-maxsites: zoops: 序列总数，anr：5倍序列总数或者50之间的最小值。而对于oops，这两参数不起作用。对于anr，如果你不设定，那MEME会至多搜索50次功能域。
   • -wnsites <n> 每次搜索到功能域时的权重设置，介于0~1之间 [0..1)。默认值为0.8。
3. 功能域长度
   • -w <n>
     -minw <n>
     -maxw <n>
     功能域长度值。如果-w指定，那么只尝试指定长度的功能域。要不就设定最大值和最小值。默认值为 -minw 8, -maxw 50
   • -nomatrim
     -wg <a>
     -ws <a>
     -noendgaps
     序列比对相关的参数,-wg gap扣分 -ws 空隔扣分 -noendgaps 不扣分
4. 背景模型
   • -bfile <bfile>
5. 优先模型
   • -psp <pspfile>
     背景模型及优先模型可以使用MEME Suite的psp-gen工具来生成。
6. DNA序列正反义及回文可能性
   • -revcomp 是否搜索互补链，默认不搜索，加上这个参数后就变成为搜索
   • -pal 是否优先回文结构，默认不搜索。
7. Expectation Maximization (EM)算法
8. Expectation Maximization (EM)初始化
9. Expectation Maximization (EM)分枝搜索
   以上三组因为都比较复杂，就不讲述了。