- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信菜鸟团
HOMER - motif 挖掘和分析
说明：motif 分析简单说明就是在我们关注的序列中找规律。在 homer 分析时，一般我们只需要提供BED文件就行，它会自动提取对应的序列。 作用： Oligo表是motif发现的基础，HOMER通过分析oligo的富集情况来识别motif。 示例： 报告显示已知motif ACGT的富集p值、结合位点数量等。 子程序 findMotifs.pl 默认用途： 分析启动子区域的 motif。 适用场景： 分析启动子区域中的 motif。 分析特定序列（如 FASTA 文件）中的 motif。 findMotifsGenome.pl 默认用途： 在全基因组范围内分析 motif。 适用场景： 分析全基因组范围内的 motif。 分析 ChIP-seq、ATAC-seq 等实验的峰值区域中的 motif。
2.7K10编辑于 2025-03-11 - 来自专栏生信技能树
scATAC-seq| motif 分析
进行分析 对motif 简单的介绍：单细胞还能拉上转录因子？？？ 流程 载入数据 数据库 JASPAR2020 获取motif矩阵：getMatrixSet 添加motif矩阵：AddMotifs 计算motif活性分数:RunChromVAR 寻找显著差异的peaks 获取motif矩阵 从数据库 JASPAR2020 获取motif矩阵：getMatrixSet # 从公共数据库中获取motif矩阵 # Get a list of motif position frequency , pfm = pfm ) # Building motif matrix # Finding motif positions # Creating Motif object # 得到motifs predicted.id') table(pbmc$predicted.id) table(Idents(pbmc)) Idents(pbmc) <- pbmc$predicted.id # 对其中两个细胞亚群差异分析
2.4K10编辑于 2023-02-28 - 来自专栏数据科学（冷冻工厂）
单细胞|Signac 进行 Motif 分析
引言 本教程将指导您如何在Signac平台上进行DNA序列的基序(Motif)分析。 会介绍两种基序分析的方法：一种是在一组差异可访问的峰值中寻找出现频率较高的基序；另一种是在不同细胞群组间进行基序活性的差异分析。 ，设计了一个名为 Motif 的类来存储所有必要的数据，这包括一系列位置权重矩阵（PWMs）或位置频率矩阵（PFMs），以及一个记录基序出现次数的矩阵。 AddMotifs() 函数的作用是创建一个 Motif 对象，并将其整合到的小鼠大脑数据集中，同时还会包含每个峰的碱基组成等其他信息。 任何 Seurat 检测都可以通过 SetAssayData() 函数添加 Motif 对象。
32710编辑于 2024-12-30 - 来自专栏生信菜鸟团
scATAC-seq分析之Signac Motif富集分析
分析（例如差异基因富集分析、拟时序分析和分化分析）及传统的bulk ATAC-seq分析（例如motif富集分析， motif footprinting）类似。 本文基于Signac官方教程，介绍一下scATAC-seq数据的DNA 序列基序（motif）富集分析（https://stuartlab.org/signac/articles/motif_vignette 我们将探索两种互补的分析方法： 在一组差异可及（differentially accessible）peaks 中寻找富集的 motif； 在不同细胞群体之间进行差异 motif 活性分析。 向 Seurat 对象添加基序（motif）信息 为了进行 motif 分析，我们需要将 DNA 序列的 motif 信息添加到 Seurat 对象中。 分析，我们创建了一个名为 Motif 的类，用于存储所有所需的信息，包括： 位置权重矩阵（PWMs） 或 位置频率矩阵（PFMs） 的列表 以及 motif 出现矩阵 在这里，AddMotifs()
73300编辑于 2025-05-18 - 来自专栏生信修炼手册
MEME:motif分析的综合性工具
欢迎关注”生信修炼手册 MEME是一个motif分析的工具箱，提供了多种相关工具，网址如下 http://meme-suite.org/index.html 根据分析目的和功能，将相关工具划分成了以下4 Motif Enrichment 这部分工具用于分析已知的motif在输入序列上的富集情况，包含的工具列表如下 CentriMo AME SpaMo GOMo 常见的应用场景是根据ATAC_seq的 peak序列，分析在这些序列中出现富集的已知motif。 Motif Scanning 这部分工具用于分析输入序列上可能的motif出现的位置，包含的工具列表如下 FIMO MAST MCAST GLAM2SCan 常见的应用场景是根据转录因子的motif 经典的应用场景是将分析到的de novo motif与已知的motif数据库进行分析比对，查找相似的motif, 输出结果示意如下 ?
5.2K20发布于 2019-12-19 - 来自专栏生信菜鸟团
end motifs分析： 血浆cfDNA End-Motif 反卷积分析
本文主要是对256个5端4碱基模式的end motif进行非负矩阵分解，得到6个“founder” end-motif profiles特征，然后将这6个F-profiles与不同的DNA核酸酶关联起来 对cfDNA分子的不同类型的cfDNA裂解分析示意图： 首先，文献对所有样本256个cfDNA End-Motif 做了一个全方面的Landscape Profiles 文章中样本有好几组，都是同样的展示模式 接着对 End-Motif Profiles进行NMF反卷积分析 反卷积的F-profiles个数确定为6，即得到6个F-profiles，并确定了每个F-profiles的贡献比例。 通过对这些独立样本应用基于F-profiles的反卷积分析，测试了F-profiles是否可以用来反映核酸酶的参与程度。 肝素可以破坏核小体结构，增强DNASE1的切割。 作者做了各种实验进一步证明了揭示核酸酶与F-profiles分析之间的联系的可行性和生物学相关性： F-profile I (DNASE1L3) F-profile II (DNASE1) F-profile
63820编辑于 2023-10-24 - 来自专栏生信菜鸟团
end motifs分析：血浆DNA End-Motif Profiling as a Fragmentomic Marker
文章主要计算了每个血浆DNA末端基序的频率，用于下游分析，试图确定某些end motifs是否在某些器官或选定的生理或病理条件中over- or underrepresented。 通过WGS并计算end motifs的频率，得到一个类似表达谱的矩阵，总共包括4^4，即256个motif的谱： 随后，针对这个end motifs profile进行各种分析，比如 某个end motifs 频率差异箱线图：Alteration of Plasma DNA Motif CCCA in Patients with HCC，携带Dnase1l3缺失的小鼠的CCCA血浆DNA末端基序的减少 不同分组中 end motifs差异热图，可以对样本进行聚类图3A：Heatmap analysis of motif frequencies between non-HCC and HCC samples 多个 作者随后采用ROC曲线分析来研究使用血浆DNA末端基序对癌症检测的潜在诊断能力，如下，在HCC和非HCC识别中AUC=0.86。
95730编辑于 2023-10-08 - 来自专栏免疫组库研究
【生信分析】免疫组库基础分析9-CDR3 motif分析
通过分析 CDR3 motif 的序列特征（如长度、关键氨基酸残基），可阐明免疫受体（Ig/TCR）与抗原结合的分子规律，揭示 “抗原 - 受体” 相互作用的特异性机制，为理解免疫应答的精准调控提供依据 2.常见CDR3 motif 类型 2.1 展示特定长度CDR3 氨基酸motif CDR3 氨基酸motif比较通常选择特定长度进行。 图1.不同长度的CDR3 氨基酸motif比较 2.2 CDR3 中间氨基酸motif 分析 这是一种忽略CDR3长度，关注CDR3中间氨基酸多样性motif分析策略。 通常以CDR3最中间的氨基酸作为位置0，然后分别计算中间与左右两边各两个氨基酸的motif特征。 图2.CDR3中间氨基酸motif 分析 3. 举例分析CDR3motif 3.1 展示特定长度CDR3 氨基酸motif library(tidyr) library(tidyverse) files <-list.files(path = ".
26910编辑于 2025-10-20 课前准备----单细胞空间VDJ的motif分析
作者，Evil Genius我们本次的单细胞空间培训课程马上要上第15课了，课程已经上了一半，不知道大家学会了没有，学员可以在群里分享自己遇到的问题，我们花钱上培训班的目的就是把分析能力学到手，大家一定要抽时间研究研究 这一篇来一个简单的，VDJ的motif分析。单细胞进行motif的各种细节已经讲过了，空间VDJ课程会再提一下。 而针对空间的VDJ分析，各大公司仅是和大客户一起研发做做，没有大规模的商用化平台，费用也相对较高。那么VDJ的motif分析无论是单细胞还是空间，都是分析的重点。 其中有一个问题，抽取哪些T/B的VDJ序列进行motif分析,也就是哪部分VDJ序列是我们的目标序列，留给大家自己思考了。 motifs analysiskmers <- getKmers(immdata$data[[1]], 5)kp <- kmer_profile(kmers, "self")res = 200png('vdj.motif.png
17420编辑于 2024-07-24- 来自专栏生物信息学、python、R、linux
Motif中的PWM矩阵
PWM矩阵是表示motif的一种方式，全称是position-specific weight matrix (PSWM) 或者是position-specific scoring matrix (PSSM 比如CTCF的motif序列为（来自于JASPAR数据库）： ? 要构建出PWM矩阵，首先要得到position frequency matrix (PFM)，即在每个位置的四种核苷酸出现的次数。 motif可以由meme等软件找到，也可以从JASPAR, CISBP, HOCOMOCO等数据库中下载得到，meme的官方网站(http://meme-suite.org/tools/meme)提供了一系列的处理软件和现有的 motif PWMs。 得到motif PWM后，可以用Fimo或其他软件在基因组中扫描得到序列，其基本用法为： fimo [options] <motif file> <sequence file> 提供motif的PWM
2.9K30发布于 2020-04-01 - 来自专栏生信菜鸟团
ChIP-Seq motif
预测蛋白质结构和功能： 通过分析蛋白质序列中存在的 motif，可以预测蛋白质的结构和功能。 Motif 分析 简单来说， motif 是一段有规律的序列，我们认为这些序列有一定的作用，那就延伸出一个问题，我们怎么找出这些规律。 motif 分析序列 motif 分析是 ChIP-Seq 中的常规分析，可以了解到 motif 分析就是找基因序列上的规律，那在 ChIP-Seq 分析中，我们是想知道 peaks 序列上的 motif 直接选择 全长 peaks 的序列作为 motif 分析的输入 选择使用峰顶 （summit）附近扩展的序列作为 motif 分析的输入 输入类型 适用场景 优点 缺点 峰顶附近扩展的序列 转录因子（TF 验证性分析：若峰顶附近未找到预期motif，可尝试使用全长peaks验证是否存在边缘结合位点。 分析工具 MEME-ChIP 这里我们就使用峰顶附近扩展的序列。
97810编辑于 2025-03-04 - 来自专栏生信技能树
找个motif嘛，简单
我在生信菜鸟团发布的自学CHIP-seq分析第八讲就提到过如何寻找motif，motif是比较有特征的短序列，会多次出现的，一般认为它的生物学意义重大，做完CHIP-seq分析之后，一般都会寻找motif motif的英文定义如下： motif: recurring pattern. eg, sequence motif, structure motif or network motif DNA sequence 从上边的定义可以看出，其实motif这个单词就是形容一种反复出现的模式，而序列motif往往是DNA上的反复出现的模式，并被假设拥有生物学功能。 说大事专用分割线~ input是找到的peaks文件，bed格式 上游分析这里略过，我的GitHub里面给了全套流程代码：https://github.com/jmzeng1314/NGS-pipeline ， 99 元一个月，不仅仅是找motif，更多详情请访问： 古有杨志卖刀，今有jimmy售器 其它资源 还有一些R包可以，直接从BED文件里面记录的基因坐标来找motif，有的需要输入fasta序列，就需要自己根据
2.9K70发布于 2018-06-07 - 来自专栏生信技能树
在R语言中的 ATACseq 数据分析全流程实战（七）：Motif分析
motifs简单定义： Motif 就是一段特定模式的DNA序列，可以理解为开放的染色质区域有着序列偏好性，而偏向的序列就是motif。 数据介绍 这里使用的数据为前面第一期：在R语言中的 ATACseq 数据分析全流程实战（一）中介绍的数据二，再重新温习一遍。 MotifDb 和 JASPAR2020 这些数据库提供了大量已知的motif，这些motif可以用于在 ATACseq 峰区域中识别潜在的转录因子结合位点。 ) length(motif_positions) motif_positions$MA0029.1 鉴定到了四个motif： 挑一个出来看看： MA0029hits <- motif_positions ID 总的motif数： 提取 某个motif的peaks： 完~ 下次就上具体的文献应用实战啦~
1.3K00编辑于 2025-05-02 - 来自专栏Y大宽
转录因子详细介绍(motif)
而“motif”这个词进行结合特异性的genetic（遗传学的）描述，通过汇总一系列sites的信息进行汇总得到。 1 我们使用术语”motif”或“pattern”在模型的意义上代表一个TF结合位点的特异性。 2 一个motif通常从一系列转录结合位点汇总产生 3 一个motif可以使用不同的形式描述 3.1 一致性string（consensus string） A：核苷酸序列（nucleotide alphabet ，那么可以对他们所有进行得分或只计算每个序列的第一个出现，这种情况下，每一个序列都被记录为匹配motif或不匹配。 Matrix-based pattern matching Regulatory motif:position-specific scoring matrix(PSSM) Binding motif of
5.9K42发布于 2018-09-10 - 来自专栏生信修炼手册
详解motif的PWM矩阵
通过一致性序列和sequence logo可以直观的表示某个motif的情况，但是在预测motif结合的位点时，只根据这些信息无法准确的判断查询序列上存在对应的motif。 预测输入序列上是否存在特定motif的位点的分析，称之为motif scanning, 示意如下 ? 就是在输入序列上查找特定motif出现的位置。 为了满足motif scanning分析的要求，对于motif而言，我们必须提供一个有效的能够代表motif又能够用于序列查找的一个信息，基于这样的出发点，提出了PWM矩阵的概念。 根据PPM矩阵，可以计算某个motif序列的概率。根据上述PPM矩阵，GAGGTAAAC出现的概率为 ? 根据PWM矩阵，可以对序列进行打分，以最终的得分值来判断是否为一个潜在的motif。根据上述PWM矩阵，GAGGTAAAC出现的得分值为 ?
2.5K40发布于 2019-12-19 - 来自专栏生信小王子
motifStack | 绘制motif序列结构图
我们在日常分析中，有时会比较不同物种间motif序列结构的保守性。今天小编教大家使用R包“ motifStack ”绘制美观的motif序列结构图！ ? ## 安装R包 if (! 使用脚本前需要准备两个输入文件： 输入文件一：motif序列（第一列为ID，第二列为序列，Tab分隔）。 ? 输入文件二：motif ID。 ? ## 输入motif序列, motif ID及输出文件位置 sh ./run.sh motif.seq motif.id out_path 执行完脚本后即可获得矩阵文件，绘制motif序列结构图。 ") ## 生成图形 plot(motif) ? 如果你想绘制多个motif的序列图，可以将所有的motif矩阵文件放入一个文件夹中。
3.8K10发布于 2020-08-10 - 来自专栏生信修炼手册
使用seqLogo可视化motif
seqLogo是一个bioconductor上的R包，专门用于DNA序列的motif可视化，网址如下 https://www.bioconductor.org/packages/release/bioc /html/seqLogo.html 因为功能的单一性，所以其用法也特别的简单，只需要输入motif对应的PPM矩阵就可以了，下面通过一个实际例子来看下 ? 上图为一个motif的PFM矩阵，只需要通过以下几个步骤就可以得到对应的sequence logo。 1. 读取PFM矩阵 将PFM矩阵保存在一个文件pfm.txt中，内容如下 ?
1.3K20发布于 2019-12-19 - 来自专栏生信修炼手册
详解motif的PFM矩阵
在之前的文章中，对motif的几个基本概念进行了简单介绍。一致性序列采用IUPAC碱基表示标准来描述motif的序列信息，sequence logo是结合碱基分布频率和一致性序列的一种直观展示形式。 本文对motif的碱基分布频率进行详细介绍。 PFM全称为position frequency matrix, 用于代表motif的碱基分布频数，本身是一个很容易了解的概念，以下图所示的motif序列为例 ? 每行为一种碱基，每一列为motif的一个位置。 在描述motif信息时，除了一致性序列和sequence logo外，PFM矩阵也是一个常见的元素。 采用了TRANSFAC数据库中的文件标准，AC表示motif编号，ID表示motif的名称，PO以及下面的行为对应的碱基分布频数。 4. MEME MEME格式的PFM矩阵示意如下 ?
2.1K30发布于 2019-12-19 - 来自专栏Y大宽
Motif和domain的区别
一个简单的motif可以是，例如，一个模式pattern，而这个模式被这个group中的所有成员共享。例如WTRXEKXXY（这里，X代表任何氨基酸）。当然也有更复杂的motif模型。 Motif有时和特定的功能联系一起。 ? moti.png ? protien motif.jpg ? 那，motif和domains之间有什么联系？当你考虑蛋白质家族的时候，不仅要看整个序列，还有关注单独结构域。 因为，它们是一个基本的功能结构单位，因此找到单个结构域domain的序列motif是很有意义的。因此，你经常会发现一个蛋白质包含多个结构域，每个结构域都有一个与它所属的家族motif匹配的序列。 ? motif to domain.jpg ? domians and motif.jpg 最主要的区别是，domain是独立的稳定的，motif不是。
4.1K10发布于 2018-09-10 - 来自专栏生信修炼手册
使用ggseqlogo可视化motif
ggseqlogo是一个motif可视化的R包，可以看做是seqLogo的加强版。 ", "CCTATTGTTCTC", "TCCATTGTTCGT", "CCAATTGTTTTG" ) 第二种为motif的PFM矩阵，以下图为例 ? 对于序列格式的信息，绘图方式如下 ggseqlogo(motif_seq) 输出结果如下 ? 对于PFM矩阵，绘图方式如下 ggseqlogo(motif_pfm) 输出结果如下 ? 绘制多个sequence logo 当有多个motif信息时，支持一键绘制多个motif的sequence logo, 用法如下 motif_list <- list( "A"=motif_pfm, " B"=motif_pfm, "C"=motif_pfm, "D"=motif_pfm) ggseqlogo(motif_list,ncol = 2) 将多个motif信息存储在list中，直接操作这个list
1.8K20发布于 2019-12-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号