接受数据库格式

runTomTom ()可以接受多种输入作为“已知”主题数据库。格式如下:-路径.meme格式文件(如“fly_factor_survey.meme”)——universalmotifs——输出对象的列表runDreme ()——一个列表()上面的所有。如果条目是命名,runTomTom ()将使用这些名称作为数据库标识符

选项(meme_db =执行(“extdata / flyFactorSurvey_cleaned.meme”,包=“模因”,mustWork =真正的))

输入类型

使用TomTom现有图案,runTomTom ()会接受任何图案吗universalmotif格式。的universalmotif包提供了一些实用程序导入数据从不同的来源。

图书馆(universalmotif)example_motif < -create_motif(“CCRAAAW”)runTomTom(example_motif)

runTomTom ()也可以输出的runDreme作为输入。这允许用户轻松地发现从头图案,然后匹配组已知的主题。运行时的输出runDreme,所有runTomTom ()将附加到输出列runDreme ()输出data.frame,所以不会丢失任何信息。

数据(“dreme_example”)runTomTom(dreme_example)

输出数据

#这是一个预构建数据集与模因包装#镜子运行:#选项(meme_db =执行(“本月/ extdata / db / fly_factor_survey_id。meme”,包=“模因”))# example_motif < - create_motif (“CCRAAAW”)# example_tomtom < - runTomTom (example_motif)数据(“example_tomtom”)

运行时使用universalmotif对象作为输入,runTomTom返回列如下:

的名字(example_tomtom)# >[1]“主题”“名称”“altname”# >[4]“家庭”“有机体”“共识”# >[7]“字母”“链”“icscore”# > [10]“nsites”“bkgsites”“pval”# > [13]“qval”“eval”“类型”# > [16]“bkg”“best_match_name”“best_match_altname”# > [19]“best_db_name”“best_match_offset”“best_match_pval”# > [22]“best_match_eval”“best_match_qval”“best_match_strand”# > [25]“best_match_motif”“tomtom”

列preappended与best_显示相应的数据最好的比赛中列出的主题的名字。

的tomtom列是一个特殊的列包含一个嵌套data.frame的等级次序的TomTom点击列表中列出的主题的名字。

的名字(example_tomtom美元tomtom [[1]])# > [1]“match_name”“match_altname”“match_motif”“db_name”# > [5]“match_offset”“match_pval”“match_eval”“match_qval”# > [9]“match_strand”

的best_match_motif最佳匹配的列包含universalmotif表示主题。

图书馆(universalmotif)view_motifs(example_tomtom美元best_match_motif)

的match_motif列的tomtom包含universalmotif格式的主题从数据库中对应于每一场比赛在降序排列。

example_tomtom美元tomtom [[1]]美元match_motif [1:2]% > %view_motifs()

的drop_best_match ()功能下降的所有best_match_ *列的runTomTom ()输出。

example_tomtom% > %drop_best_match()% > %的名字# >[1]“主题”“名称”“altname”“家庭”“有机体”“共识”# >[7]“字母”“链”“icscore”“nsites”“bkgsites”“pval”# > [13]“qval”“eval”“类型”“bkg”“tomtom”

unnest运算了tomtomdata.frame列,使用tidyr: unnest运算()。的drop_best_match ()函数可以是有用的在这个清理unnest运算data.frame。

unnest运算< -example_tomtom% > %drop_best_match()% > %tidyr::unnest运算(tomtom)的名字(unnest运算)# >[1]“主题”“名称”“altname”“家庭”# >[5]“有机体”“共识”“字母”“链”# > [9]“icscore”“nsites”“bkgsites”“pval”# > [13]“qval”“eval”“类型”“bkg”# > [17]“match_name”“match_altname”“match_motif”“db_name”# > [21]“match_offset”“match_pval”“match_eval”“match_qval”# > [25]“match_strand”

re-nest tomtom的结果,使用nest_tomtom ()(注意:best_match_列将自动更新基于排序的tomtomdata.frame)

unnest运算% > %nest_tomtom()% > %的名字# >[1]“名称”“altname”“家庭”# >[4]“有机体”“共识”“字母”# >[7]“链”“icscore”“nsites”# > [10]“bkgsites”“pval”“qval”# > [13]“eval”“类型”“bkg”# > [16]“best_match_name”“best_match_altname”“best_match_motif”# > [19]“best_db_name”“best_match_offset”“best_match_pval”# > [22]“best_match_eval”“best_match_qval”“best_match_strand”# >[25]“主题”“tomtom”

example_tomtom美元tomtom [[1]]% > %头(3)# > match_name match_altname match_motif db_name# > 1 Eip93F_SANGER_10 Eip93F <非常贴切:Eip9 . .> flyFactorSurvey_cleaned# > 2 Lag1_Cell schlank <非常贴切:Lag1 . .> flyFactorSurvey_cleaned3 # > pho_SOLEXA_5越南河粉<非常贴切:pho_ . .> flyFactorSurvey_cleaned# > match_offset match_pval match_eval match_qval match_strand# > 1 4 8.26 e-07 0.000459 - 0.000919 +# > 2 3 e 03 1.030000 - 0.781000 + 1.85# > 3 1 2.54 e 03 1.410000 - 0.781000 +

example_tomtom% > %dplyr::选择(名称、best_match_name)# >名称best_match_name# > 1 example_motif Eip93F_SANGER_10# ># >(注意:不完整的universalmotif_df对象。)

new_tomtom < -example_tomtom% > %#多个主题可以更新一次通过额外的名称-值对。force_best_match(c(“example_motif”=“Lag1_Cell”))

#原始最佳匹配:example_tomtom美元best_match_name# > [1]“Eip93F_SANGER_10”#新迫使后最佳匹配:new_tomtom美元best_match_name# > [1]“Lag1_Cell”

可视化数据

view_tomtom_hits ()可以用来比较的支安打tomtom每个输入主题。点击所示由等级降序排列。默认情况下,所有点击显示,用户可以通过一个整数top_n查看主题的最高数量。这可能是一个有用的情节决定哪些比赛似乎是“最好”的打击。

例如,看来确实“Eip93F_SANGER_10”是最好的前三支安打,因为大多数匹配序列的“Lag1_Cell”和“pho_SOLEXA_5”主题对应于低信息内容区域匹配的图案。

example_tomtom% > %view_tomtom_hits(top_n =3)# > [[1]]

导入之前的数据

importTomTomXML ()可以用来导入吗tomtom.xml文件从先前的MEME服务器或在命令行上运行。细节如何拯救TomTom网络服务器的数据如下所示。

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。