STEME

STEME prosjektet startet livet som en tilnærming til Forventning-Maksimerings algoritme for den type modell som brukes i motiv finnerne som MEME.
STEME & rsquo; s EM tilnærming kjører en størrelsesorden raskere enn den MEME implementering for typiske parameterinnstillingene. STEME har nå utviklet seg til en fullverdig motiv finder i sin egen rett.
Hvorfor bruke STEME?
Påvist motiv leting teknikker
STEME er basert på prøvd og testet MEME algoritme. MEME er en av de mest modne og populære motiv finnerne. Det var en av de beste utøverne i Tompa et al & rsquo; s. Benchmark sammenligning av motiv finnerne.
Designet for store datasett
STEME er utformet for å bli brukt på den type store datasett typisk generert av moderne biologiske eksperimenter. STEME har blitt testet på innspill i titalls megabases, men det er ingen grunn til at det ikke bør brukes på større datasett.
Fast
STEME er rask. Typisk motiv finnerne har en runtime som vokser raskt med størrelsen av input. Grunnet STEME & rsquo; s bruk av suffikset trær den ikke lider dette problemet. STEME inneholder alternativer for å kontrollere runtime slik at brukeren kontrollerer hvor lenge de er forberedt på å vente på resultatene.
Fleksible motiv modeller
Mange motiv finders (spesielt raske Antalls motiv finders) bruker konsensussekvenser som modeller av bindingssteder. Disse er ikke like fleksibel som de PWMs som STEME bruk og kan ikke fange det samme utvalget av motiver som PWMs.
Enkel å bruke
STEME produserer utdata i MEME & rsquo; s godt etablert format som gjør det enkelt å bruke i nedstrøms verktøy. STEME & rsquo; s produksjonen har blitt testet med verktøy fra MEME, BioPython og BioPerl.
Nøyaktige betydning beregninger
STEME & rsquo; s beregninger betydning er utformet med store datasett i tankene. Motif finders som ikke har blitt skrevet for store datasett kan ofte dårlig feilberegner betydningen av motivene de finner. Dette er en spesielt snikende problem og vanskelig for brukeren å identifisere.
Tilgjengelig som en web-tjeneste
STEME kan installeres lokalt på maskinen din, eller kan kjøres over nettet på våre servere.
Pakke Dokumentasjon

Krav :

• Python