STEME

Projekt STEME rozpoczął życie jako przybliżenie do algorytmu Oczekiwanie na maksymalizacji-typu stosowanego w modelu motywem dystansu, takich jak MEME.
STEME & rsquo; s EM przybliżenie prowadzi rząd wielkości szybciej niż wdrożenie mem typowych ustawień parametrów. STEME rozwinęło się do pełnoprawnej motywem wyszukiwarki w sobie.
Dlaczego warto korzystać STEME?
Sprawdzone techniki stwierdzoną motyw
STEME opiera się na algorytmie meme wypróbowanych i przetestowane. MEME jest jednym z najbardziej dojrzałych i popularnych dystansu motywem. To był jeden z najlepszych wykonawców w Tompa i wsp & rsquo; s. Benchmarku porównanie dystansu motywem.
Przeznaczony dla dużych zbiorów danych
STEME jest przeznaczony do stosowania w rodzaju zwykle duże zbiory danych generowanych przez współczesne doświadczenia biologiczne. STEME został przetestowany na wejściu w dziesiątkach megabaz, ale nie ma żadnego powodu, nie powinno się stosować w większych zbiorów danych.
Szybko
STEME jest szybki. Zazwyczaj motyw dystansu metodach czas przebiegu, który rośnie szybko do wielkości wsadu. Ze względu na STEME & rsquo; s wykorzystania drzew przyrostek nie cierpią tego problemu. STEME udostępnia opcje kontroli czasu pracy, tak aby użytkownik kontroluje, jak długo są one przygotowane, aby poczekać na wyniki.
Elastyczne modele motyw
Wiele dystansu motyw (szczególnie szybko enumeratywnej finders motyw) stosowanie sekwencji konsensusu jako modele miejsc wiązania. To nie są tak elastyczne jak PWM, że STEME zastosowania i nie może uchwycić ten sam zakres motywów jak PWM.
Łatwy w użyciu
STEME tworzy wyjście w MEME & rsquo; s dobrze znane Format dzięki czemu można łatwo korzystać z narzędzi niższego szczebla. STEME & rsquo; s wyjście został przetestowany przy użyciu narzędzi z Meme, BioPython i BioPerl.
Dokładne obliczenia istotności
STEME & rsquo; s obliczenia istotności zostały zaprojektowane z dużych zbiorów danych w pamięci. Miernik Motif, które nie zostały napisane dla dużych zbiorów danych często źle przeliczyć znaczenie motywów ich znaleźć. Jest to szczególnie problemem i podstępne trudno użytkownika do zidentyfikowania.
Dostępne jako serwis WWW
STEME można zainstalować lokalnie na komputerze lub mogą być uruchamiane w internecie na naszych serwerach.
Pakiet dokumentacji

Wymagania :

• Python