Evidence-ranked motif identification.
Evidence-ranked motif identification.
复制标题
DOI：
10.1186/gb-2010-11-2-r19
复制
发表时间：
2010
期刊：
影响因子：
12.3
通讯作者：
Ohler U
中科院分区：
文献类型：
--
作者：
Georgiev S;Boyle AP;Jayasurya K;Ding X;Mukherjee S;Ohler U
这里介绍了一种从大型基因组数据集中识别调控基序的新计算方法。
cERMIT是一种基于分析全基因组定量调控证据的高效计算基序发现工具。它不是预先选择有希望的候选序列，而是利用所有序列区域的信息来搜索高分值的基序。我们将cERMIT应用于一系列直接结合和过表达数据集；它在精选的芯片-染色质免疫沉淀（ChIP - chip）数据集上显著优于最先进的方法，并且能够轻松扩展到当前具有数千个非编码区域数据的哺乳动物测序-染色质免疫沉淀（ChIP - seq）实验。
A new computational method for the identification of regulatory motifs from large genomic datasets is presented here cERMIT is a computationally efficient motif discovery tool based on analyzing genome-wide quantitative regulatory evidence. Instead of pre-selecting promising candidate sequences, it utilizes information across all sequence regions to search for high-scoring motifs. We apply cERMIT on a range of direct binding and overexpression datasets; it substantially outperforms state-of-the-art approaches on curated ChIP-chip datasets, and easily scales to current mammalian ChIP-seq experiments with data on thousands of non-coding regions.
登录
查看更多内容
影响因子：
4.3
作者：
Eden E;Lipson D;Yogev S;Yakhini Z
通讯作者：
Yakhini Z
影响因子：
3.8
作者：
Dodd, Lori E.;Sengupta, Srikumar;Hildesheim, Allan
通讯作者：
Hildesheim, Allan
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：
7.5
作者：
BAILEY, TL;ELKAN, C
通讯作者：
ELKAN, C
影响因子：
64.5
作者：
Kim, Tae Hoon;Abdullaev, Ziedulla K.;Ren, Bing
通讯作者：
Ren, Bing