Die STEME Projekt begann als eine Annäherung an die Erwartung-Maximierungsalgorithmus für die Art des Modells in Motiv Findern wie MEME verwendet.
STEME & rsquo; s EM Annäherung läuft eine Größenordnung schneller als die MEME Umsetzung für typische Parametereinstellungen. STEME hat sich zu einem vollwertigen Motivsucher in seinem eigenen Recht entwickelt.
Warum STEME?
Geprüfte Motiv Befund Techniken
STEME basiert auf der bewährten und getesteten MEME Algorithmus. MEME ist eines der reifsten und beliebtes Motiv Finder. Es war einer der Top-Performer in Tompa et al & rsquo; s. Benchmark-Vergleich der Motivsucher.
Für große Datenmengen
STEME ist entworfen, um auf die Art von großen Datenmengen in der Regel durch moderne biologische Experimente erzeugt werden. STEME hat Eingang in die zig Megabasen geprüft worden, aber es gibt keinen Grund, warum es nicht für größere Datenmengen verwendet werden.
Schnell
STEME schnell. Typischerweise Motiv-Finder haben eine Laufzeit, die sich schnell mit der Größe des Eingangs wächst. Aufgrund STEME & rsquo; s Verwendung von Suffix-Bäumen es dieses Problem nicht betroffen. STEME bietet Optionen, um die Laufzeit zu steuern, so dass der Benutzer steuert, wie lange sie bereit sind, auf die Ergebnisse warten.
Flexible Modelle Motiv
Viele Motivsucher (besonders schnell enumerative Motivsucher) verwenden Konsensus-Sequenzen als Modelle der Bindungsstellen. Diese sind nicht so flexibel wie die PWMs die Verwendungen STEME und kann die gleiche Reihe von Motiven, wie PWMs nicht erfassen.
Einfach zu bedienen
STEME erzeugt eine Ausgabe in MEME & rsquo; s gut etablierte Format macht es einfach, in Downstream-Tools verwenden. STEME & rsquo; s Ausgang wurde mit Werkzeugen von MEME, biopython und BioPerl getestet.
Genaue Berechnungen Bedeutung
STEME & rsquo; s Bedeutung Berechnungen mit großen Datenmengen konzipiert. Motivsucher, die nicht für große Datenmengen geschrieben worden sind oft schlecht verrechnen die Bedeutung der Motive sie zu finden. Dies ist ein besonders heimtückisch Problem und schwierig für den Benutzer zu identifizieren.
Erhältlich als Web-Service
STEME können lokal auf Ihrem Computer installiert oder über das Internet auf unseren Servern ausgeführt werden.
Package Dokumentation
Anforderungen :
- Python
Kommentare nicht gefunden