模式识别器

欢迎使用模式识别器！这是一个命令行工具，允许您从一个 FASTA 文件中提取，指定一些参数，并（希望）获取一些在序列中普遍存在的模式。

安装

如果您已安装 Rust 工具链，可以使用以下命令安装 motif_finder

cargoinstall motif_finder

如果您尚未安装 Rust 工具链，您可以在此安装。

如果您不想安装，您还可以使用右侧发布选项卡中的预编译二进制文件

如果您的平台不在其中，您可以克隆此仓库以构建适用于您平台的版本

git clone https://github.com/nithishbn/MotifFinder.git

并运行

cargobuild --release

在源目录中。这将在 target/release/ 目录中留下一个可执行文件，您可以在命令行中运行它：motif_finder

数据格式

该工具理论上接受所有 Fasta 文件，但其使用方式是使用一种有趣的模式识别方法。

RNASeq

通过使用 RNASeq 数据并将其与参考基因组对齐，我们可以识别转录本的定位点。使用这些定位点，我们可以生成一系列序列，其中包含要查找模式的位点上游的 x bp，特别是转录因子结合位点。

此方法涉及找到一个具有 RNASeq 数据、参考基因组以及包括 samtools、bamtools 和 bedtools 在内的几个生物信息学工具的有机体。

示例

您可以在 promoters.fasta 中尝试查找已知在相对未知的三角硅藻（P. tricornutum）中的 4 个启动子中存在的模式。

从头开始

Gibbs 样本

吉布斯采样算法是一种迭代搜索序列集中最佳基序集的算法，并在所有迭代完成后随机丢弃基序。

motif_finder promoters.fasta-e4 -k10 -o promotifs.txt gibbs-t100 -r100

随机基序搜索

随机基序搜索是一种算法，它迭代地在序列集中搜索最佳基序集，并在得分不能再提高时随机丢弃基序。

motif_finder promoters.fasta-e4 -k10 -o promotifs.txt randomized-r100

中值字符串

中值字符串算法检查每个序列中每个kmer的汉明距离，并返回所有字符串中最小化的kmer。此算法非常慢，但可以产生非常精确且短的kmer。请注意，当使用大的k值时。

motif_finder promoters.fasta-e4 -k8 -o promotifs.txt median

查找基序

查找基序接受一个现有的基序、编辑距离（即基序与序列之间的最大距离），并找到整个输入文件中发生此匹配的位置。它将匹配打印到控制台。

motif_finder promoters.fasta-e4find_motifCTCAGCG 0 --quiet

对齐

如果您希望将生成的基序对齐回生成它们的序列，以识别所有序列中的最高局部得分基序，您可以使用与上面相同的命令，但使用-a标志

motif_finder promoters.fasta-e4 -k8 -a-o promotifs.txt randomized-r100

这将在识别基序后生成基序的对齐。

其他标志

详细程度 - 使用--quiet或--verbose标志设置详细程度。--quiet在大型输入文件和k值时提供一些性能改进。