Motifin Ortaya Çıkarılması için Çoklu EM - Multiple EM for Motif Elicitation - Wikipedia

Motif Ortaya Çıkarma (MEME) için Çoklu İfade motifleri ilgili bir gruptaki motifleri keşfetmek için bir araçtır. DNA veya protein diziler.[1]

Bir motif bir grup ilişkili protein veya DNA dizisinde tekrar tekrar ortaya çıkan ve genellikle bazı biyolojik işlevlerle ilişkilendirilen bir dizi modelidir. MEME, motifleri şu şekilde temsil eder: konuma bağlı harf olasılık matrisleri Bu, desendeki her konumda olası her harfin olasılığını açıklar. Bireysel MEME motifleri boşluk içermez. Değişken uzunluklu boşluklara sahip desenler, MEME tarafından iki veya daha fazla ayrı motife ayrılır.

MEME, bir grup DNA veya protein dizisini (eğitim seti) girdi olarak alır ve istenildiği kadar çok sayıda motif çıkarır. Her motif için en iyi genişliği, oluşum sayısını ve açıklamayı otomatik olarak seçmek için istatistiksel modelleme tekniklerini kullanır.

MEME, motifleri analiz etmek için kullanılan bir araç koleksiyonunun ilkidir. MEME paketi.

Tanım

MEME algoritması iki farklı perspektiften anlaşılabilir. Biyolojik bir bakış açısından, MEME, bir dizi hizalanmamış dizide paylaşılan motifleri tanımlar ve karakterize eder. Bilgisayar bilimi açısından bakıldığında, MEME, bir başlangıç ​​dizgeleri kümesi verilen, örtüşmeyen, yaklaşık olarak eşleşen alt dizeler kümesi bulur.

Kullanım

MEME ile farklı dizilerde benzer biyolojik fonksiyonlar ve yapılar bulunabilir. Sekans varyasyonunun önemli olabileceği ve motiflerin bazen çok küçük olduğu dikkate alınmalıdır. Proteinler için bağlanma yerlerinin çok spesifik olduğunu hesaba katmak da faydalıdır. Bu, ıslak laboratuvar deneylerini azaltmayı kolaylaştırır (maliyetleri ve zamanı azaltır). Aslında, biyolojik bir bakış açısıyla ilgili motifleri daha iyi keşfetmek için, dikkatli bir şekilde seçilmelidir:

  • En iyi motif genişliği.
  • Her dizideki gerçekleşme sayısı.
  • Her motifin bileşimi.

Algoritma bileşenleri

Algoritma, birkaç iyi bilinen işlev türünü kullanır:

  • Beklenti maksimizasyonu (EM).
  • EM başlangıç ​​noktasını seçmek için EM tabanlı buluşsal yöntem.
  • Maksimum olasılık orana dayalı (LRT tabanlı). Modelden bağımsız parametrelerin en iyi sayısını belirlemek için buluşsal yöntem.
  • Olası motif genişlikleri üzerinde arama yapmak için çoklu başlangıç.
  • Açgözlü arama çoklu motifleri bulmak için.

Ancak, çoğu zaman başlangıç ​​pozisyonunun nerede olduğu bilinmez. Birkaç olasılık mevcuttur:

  • Sekans başına tam olarak bir motif.
  • Dizi başına bir veya sıfır motif.
  • Sekans başına herhangi bir sayıda motif.

Misal

Aşağıdaki örnekte, aralıksız 3 farklı diziden oluşan bir ağırlık matrisi vardır.

Sıra 1:C G G T A A G T
Sıra 2:A G G T A T G C
Sıra 3:C A G G T G A G G

Şimdi, tüm dizilerde bulunan nükleotidlerin sayısı sayılır:

A:1 2 0 0 0 2 2 0 07
C:2 0 0 0 0 0 0 0 13
G:0 1 3 3 0 1 0 3 112
T:0 0 0 0 3 0 1 0 15

Şimdi toplamı özetlemek gerekiyor: 7 + 3 + 12 + 5 = 27; bu bize her baz için bir "bölme faktörü" veya her nükleotidin eşdeğer olasılığını verir.

A:7/27 ≈ 0.26
C:3/27 ≈ 0.11
G:12/27 ≈ 0.44
T:5/27 ≈ 0.19

Artık ağırlık matrisini (WM) toplam dizi sayısına bölerek (bizim durumumuzda 3) "yeniden yapabilirsiniz":

A:0.330.660.000.000.000.660.660.000.00
C:0.660.000.000.000.000.000.000.000.33
G:0.000.331.001.000.000.330.001.000.33
T:0.000.000.000.001.000.000.330.000.33

Daha sonra, WM'nin girişleri konumunda bölünür baz olasılığı ile .

A:1.292.570.000.000.002.572.570.000.00
C:6.000.000.000.000.000.000.000.003.00
G:0.000.752.252.250.000.750.002.250.75
T:0.000.000.000.005.400.001.800.001.80

Genel olarak şimdi olasılıklar çarpılır. Bizim durumumuzda, her biri için sıfır olacaktır. Bundan dolayı biz tanımlıyoruz ve (10 tabanında) logaritmayı alın:

A:0.110.41−10−10−100.410.41−10−10
C:0.78−10−10−10−10−10−10−100.48
G:−10−0.120.350.35−10−0.12−100.35−0.12
T:−10−10−10−100.73−100.26−100.26

Bu bizim yeni ağırlık matrisimizdir (WM). Biri, puanını belirlemek için bir promotör dizisinin bir örneğini kullanmaya hazırdır. Bunu yapmak için, pozisyonda bulunan numaraların eklenmesi gerekir. logaritmik WM.Örneğin, AGGCTGATC promoterini alırsa:

0.11 − 0.12 + 0.35 − 10 + 0.73 − 0.12 + 0.41 − 10 + 0.48 = −18.17

Bu daha sonra giriş sayısına (bizim durumumuzda 9) bölünerek −2.02 puan elde edilir.

Eksiklikler

MEME algoritmalarının çeşitli dezavantajları vardır:

  • Boşluklar / ikameler / eklemeler için ödenek dahil değildir.[kaynak belirtilmeli ]
  • Anlamlılığı test etme yeteneği genellikle dahil edilmez.[kaynak belirtilmeli ]
  • Her yeni motif keşfedildiğinde giriş verileri silinir (algoritma yeni motifin doğru olduğunu varsayar).[kaynak belirtilmeli ]
  • İki bileşenli durumda sınırlama.[kaynak belirtilmeli ]
  • Zaman karmaşıklığı yüksektir, O (n ^ 2) ölçeğinde.[kaynak belirtilmeli ] EXTREME olarak bilinen daha hızlı bir MEME uygulaması, motif keşfini önemli ölçüde hızlandırmak için çevrimiçi EM algoritmasını kullanır.[2]
  • Uyum konusunda çok kötümser (bu da sinyallerin kaçırılmasına neden olabilir).[kaynak belirtilmeli ]

Ayrıca bakınız

Referanslar

  1. ^ Bailey TL, Williams N, Misleh C, Li WW (2006). "MEME: DNA ve protein dizisi motiflerini keşfetmek ve analiz etmek". Nükleik Asitler Res. 34 (Web Sunucusu sorunu): W369–373. doi:10.1093 / nar / gkl198. PMC  1538909. PMID  16845028.
  2. ^ Quang, Daniel; Xie, Xiaohui (Şubat 2014). "EXTREME: motif keşfi için çevrimiçi bir EM algoritması". Biyoinformatik. 30 (12): 1667–1673. doi:10.1093 / biyoinformatik / btu093. PMC  4058924. PMID  24532725. Alındı 19 Ağustos 2014.

Dış bağlantılar