meme 软件生成的网页版报告中绘制好了 motif 的seqlogo 图,我们也可以自己使用ggseqlogo这个R包绘制 seqlogo 图。 #加载包library(ggplot2)library(ggseqlogo)#加载数据data(ggseqlogo_sample)#seqs_dnahead(seqs_dna)[1]## $MA0001.1## [1] "CCATATATAG" "CCATATATAG" "CCATAAATAG" "CCATAAATAG" "CCATAA...
而meme.xml文件可以直接用于TBtools做可视化 同时,也会得到3个motifs对应的SeqLogo信息 使用矢量图编辑器打开即可 MAST的使用是类似的。当我们获得一些motifs之后,我们可以用这些motifs,从海量数据中快速搜索包含该motifs的序列。MAST的运行是很快的。上万个序列,也是秒级出结果。我们可以直接上述使用meme.xml文件作为输入。
而meme.xml文件可以直接用于TBtools做可视化 同时,也会得到3个motifs对应的SeqLogo信息 使用矢量图编辑器打开即可 MAST的使用是类似的。当我们获得一些motifs之后,我们可以用这些motifs,从海量数据中快速搜索包含该motifs的序列。MAST的运行是很快的。上万个序列,也是秒级出结果。我们可以直接上述使用meme.xml文件作为输入。
而meme.xml文件可以直接用于TBtools做可视化 同时,也会得到3个motifs对应的SeqLogo信息 使用矢量图编辑器打开即可 MAST的使用是类似的。当我们获得一些motifs之后,我们可以用这些motifs,从海量数据中快速搜索包含该motifs的序列。MAST的运行是很快的。上万个序列,也是秒级出结果。我们可以直接上述使用meme.xml文件作为输入。
同时,也会得到3个motifs对应的SeqLogo信息 使用矢量图编辑器打开即可 MAST的使用是类似的。当我们获得一些motifs之后,我们可以用这些motifs,从海量数据中快速搜索包含该motifs的序列。MAST的运行是很快的。上万个序列,也是秒级出结果。我们可以直接上述使用meme.xml文件作为输入。这里我们使用原来的蛋白序列集合作为输入。
常见的应用场景是根据ATAC_seq的peak序列,分析在这些序列中出现富集的已知motif。以CentriMo为例,输出结果示意如下 3. Motif Scanning 这部分工具用于分析输入序列上可能的motif出现的位置,包含的工具列表如下 FIMO MAST MCAST GLAM2SCan 常见的应用场景是根据转录因子的motif,分析在某个基因的启动子区序...
例图略丑,但也可说明需求存在。对于这类图片的获取,相对麻烦。如果是网页版MEME Suite ,那么需要一个一个下载 SeqLogo,然后再手动拼起来... 此外,网页版的MEME Suite常常需要排队,而 TBtools 已经打包了本地化版的 MEME Suite,无论你是 Windows 还是 MacOS 用户,自己跑,往往更快(啊,TBtools又是独此一家)。
同时,也会得到3个motifs对应的SeqLogo信息 使用矢量图编辑器打开即可 MAST的使用是类似的。当我们获得一些motifs之后,我们可以用这些motifs,从海量数据中快速搜索包含该motifs的序列。MAST的运行是很快的。上万个序列,也是秒级出结果。我们可以直接上述使用meme.xml文件作为输入。这里我们使用原来的蛋白序列集合作为输入。