MEME 使用简介

一、挖掘 Motif（Motif Discovery）

挖掘 Motif 是指：MEME 基于用户所提供的序列，根据特定的算法，预测（Predict） 序列中可能包含的 Motif。需要注意的是，挖掘 Motif 的算法不是将序列与数据库中已知的 Motif 比对，也不是用已知的 Motif 模型对序列进行扫描（Scanning），而是基于用于提供的序列信息独立计算出的，即 全新 的Motif。

输入：Fasta 序列
输出：序列中 预测包含 的 Motif

1. MEME

MEME 是最基本的挖掘 Motif 模块，可以在 少量（<50） 的序列中挖掘 全新（novel）、无间隙（ungapped） 的 Motif。如果序列中存在长度不定的 Motif，MEME 会将其分割为两个或多个单独的 Motif。
注意，MEME 在挖掘 Motif 时使用的阈值是挖掘到的 Motif 的数量，而非 Motif 的可信度（E-value）。所以使用 MEME 时，需要提供想要从序列中挖掘到的 Motif 的数量，同时也要检查挖掘到的 Motif 的可信度。

注意，使用 Discriminative mode 或 Differential Enrichment mode 两种模式时，用户需要向 MEME 提交第二个序列文件，MEME 会以第二个序列文件作为对照，挖掘在第一个文件序列中 富集 的 Motif。

2. STREME

相比 MEME 可以在 大量（>50） 的序列中挖掘 全新、无间隙、富集 的 Motif。STREME 挖掘富集 Motif 时使用的对照序列有两种来源：

1. 重排输入序列（DNA 序列以 3 个字符为整体进行重排）作为对照序列，无需额外提供对照序列（默认）；
2. 用户上传对照序列。

注意，以相同的序列作为输入时，MEME 挖掘的 Motif 较长，许多 Motif 的长度 >20，而 STREME 挖掘的 Motif 较短（约10）

二、富集 Motif（Motif Enrichment）

富集 Motif 是指：以一组序列为对照组，挖掘在另一组序列中 富集且已知 的 Motif。

输入：Fasta 序列
输出：序列中 富集且已知 的 Motif

1. AME (Analysis of Motif Enrichment)

AME 挖掘序列中 已知、富集 的 Motif。因为是挖掘已知的 Motif，所以使用 AME 要指定 Motif 数据库。判断 Motif 是否富集的方式与 STREME 一致。

2. CentriMo

CentriMo 挖掘序列中 固定位点（局部）、已知、富集 的Motif。相比 AME，CentriMo 的特点是找寻固定位点处的已知 Motif，即 Motif 处在所有序列中相同的位置，要求输入的序列长度必须相等。CentriMo 默认只寻找输入序列中间区段内已知的 Motif，适合 ChIP-Seq 数据，用于快速 寻找ChIP-Seq 的峰中所包含的已知 Motif。CentriMo 也可以寻找输入序列所有区段内已知的 Motif，适用于 寻找启动子区内的已知Motif 等。

三、扫描 Motif（Motif Scanning）

扫描 Motif 是指：用特定 Motif（用户上传）扫描序列（公共数据库或用户上传），筛选出包含特定 Motif 的序列。

输入：Motif 模型
输出：包含 Motif 的 序列

1. FIMO

FIMO 是最基本的扫描 Motif 模块，筛选出包含用户上传 Motif 的序列，筛选出的 序列可能包含多个 Motif。

2. MAST

相比 FIMO，MAST 筛选出的序列只展示 最佳匹配 的 Motif，即 每个序列只包含一个Motif。

3. MCAST

扫描序列为基因组，挖掘基因组上用户上传的 Motif 的富集区域。用户可以将某蛋白复合体的 DNA bind Motif 上传给MCAST，寻找此蛋白复合体在 染色体上 可能的结合位点等。

四、比较 Motif（Motif Comparison）

比较 Motif 是指：将 用户上传的 Motif 与数据库中 已知的 Motif 比较，筛选出与上传 Motif 相似的已知 Motif。可以将挖掘 Motif 模块找到的 Motif 作为输入，寻找数据库中与其相似的 Motif，预测挖掘到 Motif 的功能。 注意，AME 的输入是序列，Tomtom 的输入是 Motif。

输入：Motif 模型
输出：已知 的 Motif 模型
工具：Tomtom