基因家族分析（4）motif 预测

本节讲解如何进行 motif 预测，seqlogo 和motif位置展示。

motif预测

motif 预测使用 meme 软件进行预测，有在线和linux两种版本。
在线版网址：http://meme-suite.org/tools/meme

上传鉴定到的蛋白序列，选择anr模式，个数为10，长度6-100，提交即可。

motif鉴定的结果

seqlogo图展示motif在每个位置的保守程度，字母越高，该位置的保守性越好。同一位置的不同氨基酸会根据其频率进行缩放。

下面重点讲一讲怎么在linux上预测motif
先使用conda安装meme

## 基于蛋白序列进行motif预测

meme pep.fasta  \
 -mod anr  \#预测模式，oops 1个， zoops 0 个或一个 ，anr 任意个
-protein \数据类型
-nmotifs 10 \motif个数
-minw 6 -maxw 100 #长度范围
#生成的结果在meme_out中

结果文件
meme.html #网页版的meme结果
meme.xml #xml格式的结果文件
meme.txt #文本格式的结果文件
logo*.eps #eps格式的seqlogo图
logo*.png #png格式的seqlogo图

为了方便数据查看，可以从 mem.txt 文件中提取蛋白序列的位置及 motif序列信息。

perl ./meme.pl meme_out/meme.txt  new

生成的结果文件
new.motif_prot.bed
new.motif_prot.txt
new.motif_seq.txt

motif图的绘制

meme 软件生成的网页版报告中绘制好了 motif 的 seqlogo 图，我们也可以自己使用ggseqlogo这个R包绘制 seqlogo 图。

#加载包
library(ggplot2)
library(ggseqlogo)
#加载数据
data(ggseqlogo_sample)

#seqs_dna
head(seqs_dna)[1]
## $MA0001.1
##  [1] "CCATATATAG" "CCATATATAG" "CCATAAATAG" "CCATAAATAG" "CCATAAATAG"
##  [6] "CCATAAATAG" "CCATAAATAG" "CCATATATGG" "CCATATATGG" "CCAAATATAG"
#pfms_dna
head(pfms_dna)[1]
## $MA0018.2
##   [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
## A    0    0   11    0    1    0    2    8
## C    1    1    0    9    0    3    7    0
## G    1   10    0    2   10    0    1    1
## T    9    0    0    0    0    8    1    2
#seqs_aa
head(seqs_aa)[1]
## $AKT1
##   [1] "VVGARRSSWRVVSSI" "GPRSRSRSRDRRRKE" "LLCLRRSSLKAYGNG"
##   [4] "TERPRPNTFIIRCLQ" "LSRERVFSEDRARFY" "PSTSRRFSPPSSSLQ"
ggseqlogo(seqs_dna$MA0001.1)
ggseqlogo(seqs_aa$CDK2, seq_type="aa")

ggseqlogo_sample数据集是内置的数据集包括三种：

seqs_dna:12种转录因子的结合位点序列

pfms_dna:四种转录因子的位置频率矩阵

seqs_aa:一组激动酶底物磷酸化位点序列

ggseqlogo支持氨基酸、DNA和RNA序列类型，默认情况下ggseqlogo会自动识别数据提供的序列类型，也可以通过seq_type选项直接指定序列类型。

上传自己的数据绘制seglogo图即可。