廣州市黃埔區學(xué)大道攬月路廣州企業(yè)孵化器B座402
電話(huà)：020-85625352
手機：18102256923、18102253682
Email：servers@gzscbio.com
Fax：020-85625352
QQ：386244141
項目名稱(chēng)：motif結果能給到我們些什么信息？
所屬分類(lèi)：生物信息學(xué)分析
聯(lián)系電話(huà)：020-85625352
QQ：386244141
Email：servers@gzscbio.com
技術(shù)服務(wù)描述
motif結果能給到我們些什么信息？
1. 背景簡(jiǎn)介
1.1. 什么是motif？
??Motif是一段典型的序列或者一個(gè)結構。一般來(lái)說(shuō)，我們稱(chēng)為基序。一般情況下是指構成任何一種特征序列的基本結構。通俗來(lái)講，即是有特征的短序列，一般認為它是擁有生物學(xué)功能的保守序列，可能包含特異性的結合位點(diǎn)，或者是涉及某一個(gè)特定生物學(xué)過(guò)程的有共性的序列區段。比如蛋白質(zhì)的序列特異性結合位點(diǎn)，如核酸酶和轉錄因子。
1.2. 研究motif的意義
??序列基序在基因調控分析中越來(lái)越重要。Motif并不局限于基因組DNA序列還是RNA序列，甚至蛋白質(zhì)序列也可以提取出相應的motif。通過(guò)序列信息的解析，我們可以解析生物學(xué)過(guò)程中的密碼。當某一個(gè)大類(lèi)的序列中，大量重復出現相同的序列結構的時(shí)候，就可能存在探索它意義的價(jià)值?；趍otif序列的提取，我們可以預測潛在的結合位點(diǎn)等等，有助于我們進(jìn)一步理解各生物學(xué)過(guò)程中涉及的生物學(xué)意義。比如轉錄因子的結合位點(diǎn)，其motif往往意味著(zhù)某蛋白結構域與DNA堿基序列的相互作用。
1.3. motif的展示形式
??在我們的日常應用中，我們經(jīng)常會(huì )看到motif這個(gè)詞的出現，往往會(huì )伴隨著(zhù)這樣一張logo展示圖。這樣的logo經(jīng)常用于描述序列特征，如DNA中的蛋白質(zhì)結合位點(diǎn)等。motif logo由每個(gè)位置的一堆字母組成。字母的相對大小表示它們在序列中的頻率。每個(gè)字母的高度與該位置的相應堿基的出現頻率成正比，常以bits為單位。每個(gè)位置的字母按照保守性從大到小排列，可以方便的從頂端的字母識別保守序列。
圖1 logo展示圖
??用一段序列來(lái)描述所有序列的堿基組成，稱(chēng)之為一致性序列。當一個(gè)位置涉及到多個(gè)堿基出現的時(shí)候，這里就涉及到簡(jiǎn)并堿基的使用。
??示例如圖2，在日常使用中，也經(jīng)常用“RRACH”來(lái)表示它。這個(gè)“RRACH”就是一種一致性序列的表示方式。
| 簡(jiǎn)并堿基 | 正常堿基 |
|---|---|
| R | A/G |
| Y | C/T |
| M | A/C |
| K | G/T |
| S | G/C |
| W | A/T |
| H | A/T/C |
| B | G/T/C |
| V | G/A/C |
| D | G/A/T |
| N | A/T/C/G |
圖2 logo示例
2. motif如何被預測？
??HOMER 是一套用于Motif查找和二代數據分析的工具。它不僅能檢測已知的motif，還能預測可能存在的未知motif。 這個(gè)預測新穎motif算法，設計用于在基因組學(xué)應用里的調控元件分析(這里的元件指DNA，而非蛋白質(zhì))。 它采取兩套序列，并試圖識別在其中一套序列上相對于另一套的特定富集的調控元件（比如說(shuō)我們的peaks序列相對于整個(gè)基因組序列）。它使用ZOOPS評分(0或1發(fā)生在每條序列上)與超幾何富集計算(或二項式)來(lái)確定motif富集。HOMER也盡力考慮數據集里的排序偏差。它的設計用于ChIP-Seq和啟動(dòng)子分析，但可以應用于幾乎任何核酸序列的motif發(fā)現。
??我們使用 Homer 子程序 findMotifsGenome.pl 進(jìn)行motif分析， findMotifsGenome.pl 命令用于在基因組區域中尋找富集Motifs。以下為結果的詳細解讀。
3. 結果列表說(shuō)明
Demo: motif_ZYN-H3K27ac - Homer Known Motif Enrichment Results
結果說(shuō)明：
| 結果 | 說(shuō)明 |
|---|---|
homerMotifs.all.motifs | 由所有homerMotifs.motifs*組成的連接文件 |
homerMotifs.motifs10 | de novo 查找motif的輸出文件(motif長(cháng)度為10) |
homerMotifs.motifs12 | de novo 查找motif的輸出文件(motif長(cháng)度為12) |
homerMotifs.motifs8 | de novo 查找motif的輸出文件(motif長(cháng)度為8) |
homerResults.html | 查找已知motifs的格式化輸出。 |
homerResults/ | 子文件夾：包含homerResults.html網(wǎng)頁(yè)文件， 包括motif<#>.motif文件，用于尋找每個(gè)motif的具體實(shí)例。 |
knownResults.html | de novo查找motif的格式化輸出。 |
knownResults/ | 子文件夾：包含knownResults.html網(wǎng)頁(yè)文件， 包括known<#>.motif文件。 |
knownResults.txt | 包含關(guān)于已知motifs豐富的統計信息的文本文件(在EXCEL中打開(kāi))。 |
motifFindingParameters.txt | 用于執行findMotifsGenome.pl的命令，包含分析使用的參數 |
seq.autonorm.tsv | 用于lower-order oligo標準化的autonormalization統計。 |
3.1. 網(wǎng)頁(yè)可視化文件的表頭說(shuō)明
3.1.1. knownResults.html (Homer Known Motif Enrichment Results)
圖示：
表頭說(shuō)明：
| 表頭 | 說(shuō)明 |
|---|---|
Rank | 序號 |
Motif | motif序列可視化 |
P-value | 置信度計算結果 |
log P-pvalue | 計算log10P值結果 |
q-value (Benjamini) | Benjamini模型計算的q值 |
# Target Sequences with Motif | 靶標序列 |
% of Targets Sequences with Motif | 靶標序列占總序列百分比 |
# Background Sequences with Motif | 背景序列 |
% of Background Sequences with Motif | 背景序列占總序列百分比 |
Motif File | motif文件結果 |
SVG | motif的svg可視化文件 |
3.1.2. homerResults.html (Homer de novo Motif Results)
圖示：
表頭說(shuō)明：
| 表頭 | 說(shuō)明 |
|---|---|
Rank | 序號 |
Motif | motif序列可視化 |
P-value | 置信度計算結果 |
log P-pvalue | log P-pvalue 值 |
% of Targets | 靶標序列占總denovo序列百分比 |
% of Background | 背景序列占總denovo序列百分比 |
STD(Bg STD) | 靶標和背景的序列集出現偏離序列中心200bp的標準偏差 |
Best Match/Details | 最為匹配的結果 |
Motif File | motif文件結果 |
3.2. 如理解輸出的Motif文件homerMotifs.*.motifs* ?
第一行以一個(gè)“>”開(kāi)頭，后面跟著(zhù)各種信息，其他行是每個(gè)位置的各個(gè)核苷酸具體概率(A/C/G/T)。標題行實(shí)際上是用制表符分隔的，并包含以下信息:
1. “>”+序列(實(shí)際上不用于任何東西，可以是空的)示例:>NNATGASTCATH
2. motif名稱(chēng)(如果幾個(gè)motif在同一個(gè)文件中，應該是唯一的)。例子:Fra1(bZIP)/BT549-Fra1-ChIP-Seq(GSE46166)/Homer
3. log odds檢測閾值，用于確定結合的vs未結合位點(diǎn)。示例:7.011739
4. 富集的log-p值
5. 0(表示向后兼容性的占位符，在舊版本中用于描述“gapped” motif，結果證明它并不是很有用)
6. 發(fā)生的信息，用逗號分隔，例如: T:4.0(57.14%),B:3353.3(3.23%),P:1e-4
??- T: 帶motif的靶標序列數，占靶序列總數的%
??- B: 帶motif的背景序列數目，占總背景的%
??- P: 最終富集P值
7. 用逗號分隔的Motif統計信息（這一個(gè)信息是與鏈有關(guān)的，因為我的BED文件里鏈的哪一列沒(méi)有指定是+/-，我輸入的是.，所以這里沒(méi)有第7個(gè)信息），官網(wǎng)的例子：Tpos:100.7,Tstd:32.6,Bpos:100.1,Bstd:64.6,StrandBias:0.0,Multiplicity:1.13
??- Tpos: motif在目標序列中的平均位置(0 =序列開(kāi)始)
??- Tstd: 目標序列中位置的標準偏差
??- Bpos: motif在背景序列中的平均位置(0 =序列開(kāi)始)
??- Bstd: 背景序列中位置的標準差
??- StrandBias: 在+鏈出現與在-鏈出現的log比例。
??- Multiplicity: 在具有一個(gè)或多個(gè)結合位點(diǎn)的序列中，每個(gè)序列平均出現的次數。