STEME

Il progetto Steme ha iniziato la vita come approssimazione per l'algoritmo Expectation-Massimizzazione per il tipo di modello utilizzato in cercatori motivi quali MEME.
Steme & rsquo; s EM approssimazione eseguito un ordine di grandezza più velocemente di quanto l'implementazione MEME per le impostazioni tipiche dei parametri. Steme ha ora sviluppato in un cercatore motivo a pieno titolo a sé stante.
Perché usare Steme?
Comprovata motivo tecniche constatazione
Steme si basa sull'algoritmo MEME provato e testato. MEME è uno dei cercatori più maturi e popolari motivi. E 'stato uno dei migliori attori del Tompa et al & rsquo;. S confronto benchmark di cercatori motivo.
Progettato per grandi insiemi di dati
Steme è progettato per essere utilizzato dal tipo di insiemi di dati di grandi dimensioni tipicamente generati da esperimenti biologici moderni. Steme è stato testato su input di decine di megabasi, ma non vi è alcun motivo per cui non dovrebbe essere utilizzato su insiemi di dati di grandi dimensioni.
Veloce
Steme è veloce. Tipicamente finders motivi hanno un runtime che cresce rapidamente con la dimensione dell'input. A causa Steme & rsquo; s uso di alberi suffisso non soffre di questo problema. Steme fornisce opzioni per controllare il runtime in modo che l'utente controlla per quanto tempo sono preparati ad aspettare i risultati.
Modelli flessibili motivo
Molti cercatori motivi (soprattutto veloci Finders motivi enumerative) utilizzano sequenze consenso come modelli di siti di legame. Questi non sono flessibili come i PWM che Steme usi e non può catturare la stessa gamma di motivi come PWM.
Facile da usare
Steme produce output in MEME & rsquo; s formato consolidata che la rende facile da usare in strumenti a valle. Steme & rsquo; uscita s è stato testato con strumenti da meme, Biopython e Bioperl.
Calcoli significato Accurate
Steme & rsquo; s calcoli rilevanza sono progettati con grandi quantità di dati in mente. Cercatori Motif che non sono state scritte per grandi insiemi di dati possono spesso male sbagliare il significato dei motivi che trovano. Questo è un problema particolarmente insidioso e difficile per l'utente di identificare.
Disponibile come servizio web
Steme può essere installato in locale sulla propria macchina o può essere eseguito attraverso il web sui nostri server.
Documentazione Package

Requisiti :

• Python