Stemming Een nauwkeurige efficiënte motiefzoeker voor grote gegevenssets
Download nu

Stemming Rangschikking & Samenvatting

Stemming Tags

vinder motief

Stemming Beschrijving

Het Steem-project begon het leven als een benadering van het algoritme van de verwachting-maximalisatie voor het type model dat wordt gebruikt bij Motif Finders zoals Meme.steme's EM-bijbehrijving loopt sneller een orde van grootte dan de Meme-implementatie voor typische parameterinstellingen. Place heeft nu op zich ontwikkeld tot een volwaardige motiefzoeker op zich. Waarom verbruikt Steme? Bewezen motief vinden van TechniquitesSteme is gebaseerd op het beproefde Meme-algoritme. Meme is een van de meest volwassen en populaire motiefzoekers. Het was een van de toppresteerders in de benchmarkvergelijking van motiefzoekers van Tompa et al. Designed voor grote gegevenssetsstem is ontworpen om te worden gebruikt op het type grote datasets meestal gegenereerd door moderne biologische experimenten. Plaque is getest op input in de tientallen megabasen, maar er is geen reden waarom het niet op grotere data-sets moet worden gebruikt. Faststeme is snel. Meestal hebben motiefzoekers een runtime die snel groeit met de grootte van de invoer. Vanwege het gebruik van het gebruik van achtervoegselbomen heeft het dit probleem niet. Stem biedt opties om de runtime te regelen, zodat de gebruiker bedient hoe lang ze zijn bereid om te wachten op de resultaten. Flexibele motiefmodellenmany motiefzoekers (vooral snel enumerende motiefzoekers) gebruiken consensussequenties als modellen van bindingsplaatsen. Deze zijn niet zo flexibel als de PWMS die PLADEMENT en niet hetzelfde bereik van motieven als PWMSSSSS.YY aan Usesteme kunnen vastleggen produceert de uitvoer in de goed gevestigde formaat van Meme, waardoor het gemakkelijk te gebruiken is in downstream-tools. De output van Steme is getest met gereedschap van Meme, Biopython en Bioperl.Accurate Significance CalculationSsteme's betekenisberekeningen zijn ontworpen met grote gegevenssets in gedachten. Motif-vinders die niet zijn geschreven voor grote datasets kunnen vaak de betekenis van de motieven die ze vinden, slecht verkeerd misrekend. Dit is een bijzonder verraderlijk probleem en moeilijk voor de gebruiker om te identificeren. Beschikbaar als een webservicesteme kan lokaal op uw machine worden geïnstalleerd of kan worden uitgevoerd via het web op onze servers.Pakketdocumentatieproducten

Stemming Gerelateerde software