Множественная максимизация ожиданий для выявления мотивов (MEME) — это инструмент для обнаружения мотивов в группе связанных последовательностей ДНК или белков . [1]
Мотив — это шаблон последовательности, который повторяется в группе связанных последовательностей белков или ДНК и часто связан с некоторой биологической функцией. MEME представляет мотивы как матрицы вероятностей букв, зависящие от позиции , которые описывают вероятность каждой возможной буквы в каждой позиции шаблона. Отдельные мотивы MEME не содержат пробелов. Шаблоны с пробелами переменной длины разделяются MEME на два или более отдельных мотива.
MEME принимает в качестве входных данных группу последовательностей ДНК или белков (обучающий набор) и выводит столько мотивов, сколько запрошено. Он использует методы статистического моделирования для автоматического выбора лучшей ширины, количества вхождений и описания для каждого мотива.
MEME — первый из набора инструментов для анализа мотивов, называемого MEME suite .
Алгоритм MEME можно понять с двух разных точек зрения. С биологической точки зрения MEME идентифицирует и характеризует общие мотивы в наборе невыровненных последовательностей. С точки зрения компьютерной науки MEME находит набор неперекрывающихся, приблизительно совпадающих подстрок, заданных начальным набором строк. [ необходима цитата ]
MEME можно использовать для поиска схожих биологических функций и структур в различных последовательностях. Необходимо учитывать, что вариации последовательностей могут быть значительными, а мотивы иногда очень малы. Также полезно учитывать, что сайты связывания для белков очень специфичны. Это облегчает сокращение экспериментов в мокрой лаборатории (экономя деньги и время). Действительно, чтобы лучше обнаружить мотивы, значимые с биологической точки зрения, необходимо тщательно выбирать: наилучшую ширину мотивов, количество вхождений в каждой последовательности и состав каждого мотива.
Алгоритм использует несколько типов известных функций:
Однако часто не известно, где находится начальная позиция. Существует несколько возможностей: ровно один мотив на последовательность, или один или ноль мотивов на последовательность, или любое количество мотивов на последовательность.