Top-Down Crawl: a method for the ultra-rapid and motif-free alignment of sequences with associated binding metrics.
Top-Down Crawl: a method for the ultra-rapid and motif-free alignment of sequences with associated binding metrics.
复制标题
DOI：
10.1093/bioinformatics/btac653
复制
发表时间：
2022-11-15
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
目前可用的几种高通量蛋白质-DNA结合方法在k-mer水平上产生高度可重复的结合亲和力测量。然而，理解k聚体沿结合位点序列沿着定位的位置取决于比对。在这里，我们提出了自上而下的爬行（TDC），一个超快速的工具，设计的k-mer水平数据的排列依赖和位置权重矩阵（PWM）独立的方式对齐。由于框架仅取决于输入的等级，因此该方法可以接受来自许多类型的实验（蛋白质结合微阵列、SELEX-seq、SMiLE-seq等）的输入。而不需要专门的参数化。使用具有5重交叉验证的多元线性回归来测量对齐的性能，我们发现TDC的性能与计算昂贵的基于PWM的方法一样好或更好。TDC可以在https://topdowncrawl.usc.edu上在线运行，也可以通过pip在https://pypi.org/project/TopDownCrawl上以python包的形式在本地运行。 补充数据可在Bioinformatics在线获得。
Several high-throughput protein–DNA binding methods currently available produce highly reproducible measurements of binding affinity at the level of the k-mer. However, understanding where a k-mer is positioned along a binding site sequence depends on alignment. Here, we present Top-Down Crawl (TDC), an ultra-rapid tool designed for the alignment of k-mer level data in a rank-dependent and position weight matrix (PWM)-independent manner. As the framework only depends on the rank of the input, the method can accept input from many types of experiments (protein binding microarray, SELEX-seq, SMiLE-seq, etc.) without the need for specialized parameterization. Measuring the performance of the alignment using multiple linear regression with 5-fold cross-validation, we find TDC to perform as well as or better than computationally expensive PWM-based methods. TDC can be run online at https://topdowncrawl.usc.edu or locally as a python package available through pip at https://pypi.org/project/TopDownCrawl. Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
64.5
作者：
Slattery M;Riley T;Liu P;Abe N;Gomez-Alcala P;Dror I;Zhou T;Rohs R;Honig B;Bussemaker HJ;Mann RS
通讯作者：
Mann RS
影响因子：
46.9
作者：
Berger, Michael F.;Philippakis, Anthony A.;Bulyk, Martha L.
通讯作者：
Bulyk, Martha L.
影响因子：
48
作者：
Isakova, Alina;Groux, Romain;Deplancke, Bart
通讯作者：
Deplancke, Bart
DOI：
10.1093/bioinformatics/btv735
发表时间：
2016-04-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Chiu TP;Comoglio F;Zhou T;Yang L;Paro R;Rohs R
通讯作者：
Rohs R
影响因子：
9.9
作者：
Yang L;Orenstein Y;Jolma A;Yin Y;Taipale J;Shamir R;Rohs R
通讯作者：
Rohs R