【ChiP-seq分析】超级增强子系列8: motif 富集分析工具XSTREME输出文件解释

一、XSTREME分析结果中的文件类型

文件1：xstreme.TSV
文件2：xstreme.html，
文件3-4：streme_tomtom_out、meme_tomtom_out（Tomtom工具比对结果）

核心文件

• xstreme.TSV/txt：XSTREME主程序输出的汇总结果，包含所有motif的综合统计信息（如E值、p值、匹配数等）
• xstreme.html： HTML格式的交互式报告，包含motif富集图、序列logo、统计表格等可视化内容。

2.meme输出文件与steme输出文件

• streme_out、meme_out：不同算法发现的motif序列及其统计信息，包含motif的PWM（位置权重矩阵）和显著性评估。
• streme_tomtom_out、meme_tomtom_out：Tomtom工具比对结果，显示新发现motif与已知motif数据库（如JASPAR、HOCOMOCO）的相似性。

3.fimo输出文件夹

• 功能：记录每个motif在输入序列中的匹配位置、p值、q值等统计信息。
• 用途：用于后续筛选显著匹配的motif位点，常用于可视化或进一步功能注释。

4.其他文件

消息日志文件

progress.log：记录分析过程中的关键步骤和时间戳，便于追踪分析进度和调试问题。sea_msgs.txt / streme_msgs.txt：分别记录SEA和STREME模块的运行日志，包含警告、错误或重要提示信息。

原始文件：Up.FASTA：输入的DNA序列文件，通常为ChIP-seq峰区域或启动子区域的FASTA格式序列。

中间文件与辅助文件

• background.txt：背景序列文件，用于计算motif匹配的统计显著性。
• combined.meme：合并后的MEME格式motif库，便于与其他工具兼容。
• messages.txt / motif_alignment.txt：分别存储程序运行消息和motif比对详情

二、单个文件介绍

1、XSTREME表格（xstreme.TSV）

表格是来自 motif 富集分析工具（如 XSTREME，STREME 或 MEME） 的输出结果，用于识别在一组 DNA 序列中显著富集的转录因子结合位点（motif）。下面是对每一列含义的详细解释：

列名解释

是否为“种子 motif”（即由 STREME 等工具从头发现的核心 motif）。- 1：是种子 motif（由 STREME 发现）- 0：不是种子 motif（可能是 MEME 发现的，或来自其他来源）

举例说明

以第一行为例：

11	STREME	7-CTGCCTCAGCCTCC	STREME-7	CTGCCTCAGCCTCC	144921.28E-1473.57E-161	db/.../JASPAR2024...	MA1596.1 (ZNF460)	https://jaspar...

• 这是一个由 STREME 发现的种子 motif（SEED_MOTIF=1）
• 属于 cluster 1
• 共在 492 个位点中发现
• 富集极其显著（p = 1.28e-147）
• 与 JASPAR 数据库中的 ZNF460（MA1596.1） 高度相似
• 可点击链接查看 ZNF460 的详细结合谱

2、XSTREME网页结果（xstreme.html）

网页列名详细解释

show more选项：一个motif可能有相似的motif序列，并且是来自MEME或者STREME分析结果，并按照E-Value值的显著性排列。并给出每一个类似motif的最相关的top3已知的转录因子motif。

3.TOMTOM页面解读

Tomtom的作用：已知 motif 数据库（如 JASPAR、HOCOMOCO）中的所有 motif 进行比对，找出最相似的已知 TF

在输出文件中，没有xstreme_tomtom_out文件夹，只有streme_tomtom_out、meme_tomtom_out两个文件夹，里面有TSV格式表格文件与html网页文件。网页文件如下

TOMTOM 工具结果界面的一部分。下面逐列解释这些字段的含义，并说明其在分析中的作用：

TOMTOM 结果列名详解

问题1：SEA 和 TOMTOM 分析差异

在XSTREME文本结果中存在SEA（Site Enrichment Analysis） 相关列信息SEA_PVALUE，SEA和 TOMTOM 是 MEME Suite 中两个功能不同但互补的分析工具，它们回答的是不同类型的问题。下面详细解释它们的区别和联系：

1. SEA（Site Enrichment Analysis） —— 回答：

“这个 motif 在我的目标序列中是否显著富集（相比背景）？”

• 输入：一个已知或新发现的 motif（如 PWM/consensus）
• 目的：检验该 motif 在你的

目标序列集（如差异表达基因启动子）中出现的频率是否显著高于随机预期。

• 输出关键指标SEA_PVALUE：富集 p 值
• EVALUE：校正后的期望值（考虑数据库大小等）
• 本质：统计显著性检验（富集分析）

用途：判断某个 motif 是否可能在你的生物学背景下起调控作用。

2. TOMTOM —— 回答：

“我这个 motif 和数据库里哪些已知转录因子的结合谱相似？”

• 输入：一个 query motif（通常是新发现的 consensus 或 PWM）
• 目的：将它与已知 motif 数据库

（如 JASPAR、HOCOMOCO）中的所有 motif 进行比对，找出最相似的已知 TF。

• 输出关键列：
• Target_ID：匹配到的数据库 motif ID（如 MA1516.2 = KLF3）
• p-value / E-value / q-value：相似性统计显著性
• Query_consensus vs Target_consensus：序列对比
• Overlap：比对上的碱基数
• Orientation：是否反向互补（-表示反向）
• 本质：motif 相似性搜索

用途：给新发现的 motif 注释功能身份（比如“这很像 KLF3 的结合位点”）。

两者如何配合使用？典型工作流如下：

1. STREME/MEME 从你的序列中 发现新 motif（如 GCCGGGCGTGGTGGC）
2. SEA 告诉你：这个 motif 在你的数据中高度富集（p ≈ 1e-145）→ 很重要！
3. TOMTOM 告诉你：这个 motif 长得像 KLF3（MA1516.2）、SP3 等 → 可能是这些 TF 在调控！

所以：SEA 说明“它重要”，TOMTOM 说明“它是谁”。

TOMTOM 结果为例：

注意：你的 query 是 GCCGGGCGTGGTGGC，核心是 GGGCGTGG —— 典型的 KLF/SP 家族结合位点（如 GGGGCGG 或 CCMCCC 类型）。

虽然 TOMTOM 的 q-value（FDR 校正后）未达严格显著（通常 < 0.05），但由于多个 KLF 家族成员都给出相似匹配，且 SEA 富集极强，仍可合理推测 KLF 家族 TF（如 KLF3）可能参与调控。

总结对比表

补充说明

• 在 MEME Suite 中，STREME 默认会自动运行 SEA 和 TOMTOM，所以你会同时看到富集结果和匹配结果。
• 即使 TOMTOM 的 q-value 不显著，如果 多个相关 TF 都匹配，且 SEA 极显著，依然值得深入验证（如 ChIP、敲除实验）。

问题2：XSTREME文件中的SIM_MOTIF 和 TOMTOM 分析motif 哪一个更重要

XSTREME 的 SIM_MOTIF 和 TOMTOM 的结果都用于 motif 注释（即“这个新 motif 最像哪个已知 TF”），但它们的计算方式、用途和可靠性有所不同。

下面我将从 原理、可靠性、使用建议 三个层面帮你判断：到底该以哪个结果为准？

结论先行（快速参考）

优先看 TOMTOM 的结果，而不是 XSTREME 表中的 SIM_MOTIF。 因为 TOMTOM 是专门设计用于 motif 比对的工具，其统计更严谨、比对更细致；而 XSTREME 表中的 SIM_MOTIF 通常是简化版或快速匹配的结果，可能仅基于 consensus 序列字符串相似性，而非完整的 PWM（位置权重矩阵）比对。

详细对比

举个实际例子

在 XSTREME 表中：

CONSENSUS: CCACCACGCCCGGCT
SIM_MOTIF: MA1516.2 (KLF3)

在 TOMTOM 表中（另一条 query）：

Query: GCCGGGCGTGGTGGC
Match: MA1516.2 (KLF3), q-value = 0.14, Overlap=10, Orientation=-

虽然两者都指向 KLF3 (MA1516.2)，但：

• XSTREME 的 SIM_MOTIF 没有告诉你
  • 是否反向结合？
  • 匹配区域多长？
  • 统计是否可靠？
• TOMTOM 告诉你
  • 是反向匹配（Orientation = -）
  • 有 10 bp 重叠
  • q-value = 0.14（虽未达 0.05，但结合其他 KLF 家族成员匹配，仍具提示意义）

所以 TOMTOM 提供了更全面、可评估的证据。

实际操作建议以 TOMTOM 为主要注释依据。尤其关注：多个同一家族 TF 都匹配（如 KLF3、KLF6、SP3），SEA 富集极强（p < 1e-50），生物学背景支持（如该 TF 在该组织表达） → 仍可视为候选调控因子

XSTREME 的 SIM_MOTIF 仅作快速参考：可用于：初步浏览时快速定位可能 TF与 TOMTOM 结果交叉验证（若一致，则更可信）。警惕假阳性匹配：GC-rich motif（如你的 CCACCACGCCCGGCT）容易匹配多个 KLF/SP 家族成员，因为它们识别相似序列。此时应：查看 TF 在你的实验系统中是否表达（RNA-seq 数据）；查看 ChIP-seq 是否有结合证据（如 ENCODE、Cistrome DB）考虑做 motif 突变实验 验证功能

总结

🔬 科研不止于工具，更在于思路。选择正确的工具，才能让数据说话。

【超级增强子系列文章】

超级增强子系列1：super enhancer鉴定-ROSE软件的安装与使用

超级增强子系列2：ROSE准备gff文件：peak 信息文件转化为9列gff格式文件R代码

超级增强子系列3：R语言批量处理ROSE文件生成SE与TE.bed文件

超级增强子系列4： 用bedtools来进行共识SE的分析

超级增强子系列5：用ChIPseeker进行超级增强子基因注释

超级增强子系列6：GREAT-基因组调控元件专业注释富集工具

如果你觉得这篇博文对你有帮助，请点赞、收藏、转发！支持我们持续输出优质内容！

关注“三兔测序学社”，获取更多实用教程与前沿解读。