STEME

STEMEプロジェクトは、MEMEなどをモチーフにしたファインダで使用されるモデルのタイプへの期待 - Maximisationアルゴリズムへの近似としての生活を始めた。
STEME＆rsquoの; S EM近似は一桁より早くより典型的なパラメータ設定のためのMEMEの実装を実行します。 STEMEは現在、それ自体で本格的なモチーフのファインダーへと発展しています。
のSTEMEを使うのはなぜ？の
実績のあるモチーフ発見技術
STEMEがテスト実証済みのMEMEアルゴリズムに基づいています。 MEMEは、最も成熟した、人気のモチーフファインダの一つです。 。それはトンパらのトップパフォーマーの1＆rsquoのだった。モチーフファインダーのsのベンチマーク比較。
大規模なデータセットのために設計
STEMEは、典型的には、現代の生物学的実験によって生成された大規模なデータセットのタイプに使用されるように設計されている。 STEMEはメガ塩基の数は、入力上でテストされたが、それは大きなデータセットで使用されない理由はない。
ファスト
STEMEは高速です。一般的にモチーフファインダは入力の大きさに迅速に成長し、ラ​​ンタイムを持っている。 STEME＆rsquoのが原因; Sサフィックスの木の使用は、この問題に苦しむことはありません。 STEMEは、ユーザーが彼らが結果を待つために準備されている期間を制御するように、ランタイムを制御するためのオプションが用意されています。
柔軟なモチーフモデル
多くのモチーフファインダ（特に速い数え上げモチーフファインダー）は、結合部位のモデルとしてコンセンサス配列を使用しています。これらはSTEMEが使用するPWMのほど柔軟ではなく、PWMのようなモチーフの同じ範囲をキャプチャすることはできません。
使いやすい
STEMEはMEME＆rsquoの中での出力を生成し; S十分に確立されたフォーマットは、下流のツールで使用することが容易。 STEME＆rsquoの; S出力はMEME、BioPythonとBioPerlのツールでテストされています。
正確な意義の計算
STEME＆rsquoの; S意義の計算は、念頭に置いて大規模なデータセットで設計されています。大規模なデータセットのために書かれていないMotifのファインダはしばしばひどく、彼らが見つけるモチーフの重要性を誤って計算することができます。これは、ユーザを識別するために特に油断のならない問題が困難である。
Webサービスとして利用可能
STEMEは、マシン上でローカルにインストールすることができますまたは当社のサーバー上のWeb上で実行することができます。
パッケージのドキュメント

の要件の

• のPythonます。