Motif finding (Pfam e Meme)

Forum

Registrati Discussioni Recenti Preferiti Utenti Cerca Regolamento RSS Statistiche

Utilità

I libri
consigliati:

Biochimica sistematica umana. Con CD-ROM
Autori Vari

Genetica molecolare umana
Jack J. Pasternak

L'avventura della ricerca. Storia degli uomini che hanno inventato il mondo
Daniel J. Boorstin

Altri Libri

Nome Utente:	Password:
Riconoscimi automaticamente

Tutti i Forum

Laboratorio

Bioinformatica e Biostatistica

Motif finding (Pfam e Meme)

Nuova Discussione

Nuovo Sondaggio

Rispondi

Aggiungi ai Preferiti

Cerca nelle discussioni

Risorse di Bioinformatica:

Guide tools online

Blog InsideBioinfo

Siti di Bioinformatica

Protocolli

Ultime notizie

Aggiungi i tag

Quanto � utile/interessante questa discussione:

Autore

Discussione

elisacarli
Nuovo Arrivato

83 Messaggi

Inserito il - 10 novembre 2006 : 20:06:52

Vorrei sapere la differenza tra tools tipo Pfam e MEME.
E' solo nell'architettura software oppure nella funzionalit� del programma?
Ovvero Pfam pu� essere definito un tool per Motif Finding?

Grazie

dallolio_gm
Moderatore

Prov.: Bo!
Citt�: Barcelona/Bologna

2445 Messaggi

Inserito il - 11 novembre 2006 : 13:37:36

Ciao,
sono due cose un po' diverse:
- pfam � un database di domini proteici rappresentati tramite hmm (un modello statistico che permette di rappresentare con buona precisione delezioni e inserzioni).
Questi motivi sono gi� annotati: tu ne scegli uno e vedi se la tua sequenza lo contiene.
- Meme invece � un tool per determinare possibili motivi a partire da un allineamento multiplo di sequenze.
Tu hai tante sequenze, e vuoi sapere se tra di queste vi sono dei motivi che si ripetono: allora puoi usare Meme, che ti ritorna una rappresentazione a matrici di posizione (PSSM) dei possibili motivi individuati; poi puoi usare il tool Mast che trovi sullo stesso sito (http://meme.sdsc.edu/meme), per cercare questi stessi motivi in un database.
Considera per� che si tratta di un tool un po' vecchiotto (circa 10 anni), e questo si fa sentire: per esempio, le rappresentazioni a PSSM hanno lo svantaggio di non poter rappresentare le delezioni/inserzioni, e l'algoritmo di clusterizzazione non supervisionata utilizzato richiede di conoscere a priori il numero di motivi contenuti nell'allineamento (anche se questo non � necessariamente un difetto).

Il mio blog di bioinformatics (inglese): BioinfoBlog
Sono un po' lento a rispondere, posso tardare anche qualche giorno... ma abbiate fede! :-)