STEME

STEME projektet startede livet som en tilnærmelse til forventningen-Maksimeringstest algoritme til den type model, der anvendes i motiv finderne som MEME.
STEME & rsquo; s EM tilnærmelse kører en størrelsesorden hurtigere end meme gennemførelsen for typiske parameterindstillinger. STEME har nu udviklet sig til en fuldt udbygget motiv finderen i sin egen ret.
Hvorfor bruge STEME?
Dokumenteret motiv finding teknikker
STEME er baseret på den gennemprøvede og testede MEME algoritme. MEME er en af ​​de mest modne og populære motiv finderne. Det var en af ​​de bedste lande i Tompa et al & rsquo; s. Benchmark sammenligning af motiv finderne.
Designet til store datasæt
STEME er designet til at blive brugt af den type store datasæt genereres typisk af moderne biologiske eksperimenter. STEME er blevet testet på input i de snesevis af megabaser, men der er ingen grund til, at det ikke bør anvendes på større datasæt.
Hurtig
STEME er hurtig. Typisk motiv finderne har en runtime, der vokser hurtigt med størrelsen af ​​input. Grundet STEME & rsquo; s brug af suffix træer den ikke lider af dette problem. STEME giver mulighed for at styre runtime, så brugeren styrer, hvor længe de er villige til at vente på resultaterne.
Fleksible motiv modeller
Mange motiv finderne (især hurtige opremsende motiv Finders) bruger konsensussekvenserne som modeller for bindingssteder. Disse er ikke så fleksible som de PWM'er der STEME anvendelser og kan ikke fange den samme motivverden som PWM'er.
Let at bruge
STEME producerer output i MEME & rsquo; s veletableret format gør det nemt at bruge i downstream værktøjer. STEME & rsquo; s produktion er blevet testet med værktøjer fra MEME, BioPython og BioPerl.
Præcise betydning beregninger
STEME & rsquo; s betydning beregninger er designet med store datasæt i tankerne. Motiv finderne, der ikke er skrevet til store datasæt kan ofte dårligt fejlbedømme betydningen af ​​de motiver, de finder. Dette er en særlig lumsk problem og svært for brugeren at identificere.
Fås som en web service
STEME kan installeres lokalt på din maskine eller kan køres over nettet på vores servere.
Pakke Dokumentation

Krav :

• Python