输入

搜索输入序列喘振的一个主题。runFimo ()有两个必需的输入:fasta-format序列,可选的基因组坐标标题,和一组图案在输入序列检测。

数据(“example_chip_summits”,包=“模因”)dm.genome < -BSgenome.Dmelanogaster.UCSC.dm3::BSgenome.Dmelanogaster.UCSC.dm3# 100 bp windows ChIP-seq峰会summit_flank < -example_chip_summits% > %plyranges::anchor_center()% > %plyranges::变异(宽度=One hundred.)#获取序列在山峰Biostring: BStringSet序列< -summit_flank% > %get_sequence(dm.genome)# get_sequence包括基因组协调fasta标题名称的名字(序列)1:2]

e93_motif < -MotifDb::MotifDb% > %#查询数据库E93主题使用它的基因名称MotifDb::查询(“Eip93F”)% > %#从motifdb格式转换为universalmotif格式universalmotif::convert_motifs()% > %#结果是一个列表,来简化对象,返回单个universalmotif[[。1]]#重命名的主题从果蝇基因数量更用户友好的名称e93_motif [“名称”)< -“E93_FlyFactor”

注意默认设置

runFimo ()配置为使用不同的默认行为相对于命令行和MEME-Suite服务器版本。默认情况下,runFimo ()运行使用文本模式,极大地提高速度和允许返回所有匹配检测输入主题。默认情况下runFimo ()将序列匹配的区域添加到输出数据;然而,这个操作会非常缓慢的地区和大型集可以大大提高输出数据的大小。加快操作和减少数据大小,设置skip_matched_sequence = TRUE。稍后再序列信息可以添加使用add_sequence ()。

fimo_results < -runFimo(e93_motif序列)

数据集成的连接操作

的plyranges包提供了一个扩展的框架,用于执行基于范围操作在r .几个有用的实用程序基于范围分析join_功能是特别有用的积分结果与输入峰值信息。一些常见的例子简要强调如下:

plyranges: join_overlap_left ()可用于峰值水平元数据添加到主题位置信息:

fimo_results_with_peak_info < -fimo_results% > %plyranges::join_overlap_left(summit_flank)fimo_results_with_peak_info [1:5]

plyranges: intersect_ ()同时可以用来输入峰值范围重叠子集主题击中而附加motif-level元数据重叠。

input_intersect_hits < -summit_flank% > %plyranges::join_overlap_intersect(fimo_results)input_intersect_hits [1:5]

识别匹配的序列

当设置skip_match_sequence = TRUE,FIMO不会自动返回匹配的序列在每个打击。这些序列在R中可以很容易地恢复使用add_sequence ()FIMO结果农庄对象。

fimo_results_with_seq < -fimo_results% > %plyranges::join_overlap_left(summit_flank)% > %add_sequence(dm.genome)

返回序列匹配的区域可以用来推导pwm不同匹配类别如下(这里做不同的绑定类别):

motifs_by_binding < -fimo_results_with_seq% > %#分裂感兴趣的参数分裂(mcols(.)美元peak_binding_description)% > %# GRangesList转换为常规的列表()使用“purrr”as.list()% > %# imap通过列表条目的方式和.y该对象的名称purrr::imap(~{#通过序列列create_motif生成一个PCMcreate_motif(以下方式美元序列,#添加绑定描述主题的名称name =paste0(“E93_”,.y))})

从每个类别可以可视化主题universalmotif: view_motifs ()

motifs_by_binding% > %view_motifs()

为了更好地参考主题相比,我们可以将它添加到列表如下:

motifs_by_binding < -c(#添加E93 FlyFactor主题列表作为参考列表(“E93_FlyFactor”=e93_motif),motifs_by_binding)

可视化icm的主题揭示的细微差别E93主题每个类别之间的序列。

motifs_by_binding% > %view_motifs()

可视化结果作为position-probability矩阵(PPM)更好地证明了每个类别之间的主要差异是来自职位匹配序列1 - 4。

motifs_by_binding% > %view_motifs(使用。类型=“PPM”)

最后,sequence-level信息可用于可视化所有序列及其贡献最后的PWM使用plot_sequence_heatmap。

plot_sequence_heatmap(fimo_results_with_seq美元序列)

导入数据从之前运行

importFimo ()可以用来导入一个吗fimo.tsv文件从先前的MEME服务器或在命令行上运行。细节如何保存数据从网络服务器低于。

许可限制

非营利性使用MEME套件是免费的,但以营利为目的的用户应该购买一个许可证。看到MEME套件版权页获取详细信息。