详解motif的PFM矩阵

欢迎关注”生信修炼手册”!

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

根据以上8条序列可以统计出对应的碱基分布频数，如下所示

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。不同软件会有不同的标准，理解这些格式就是本文的核心内容。

JASPAR是一个常用的转录因子motif数据库，在该数据库中，针对PFM矩阵有多种格式，如下图所示

1. RAW PFM

原始的PFM矩阵示意如下

第一行和fasta格式的序列标识符类似，>开头，MA开头的字符串为转录因子在JASPAR数据库中的编号，是唯一的，AGL3表示该转录因子的名称。

接下来的4行依次表示A, C, G, T4种碱基在每个位置的频数分布。

2. JASPAR

JASPAR格式的PFM矩阵示意如下

和原始的PFM矩阵非常类似，只不过在每行的开头标注了对应的碱基，并且用[和]操作符将碱基频数矩阵括起来。

3. TRANSFAC

TRANSFAC格式的PFM矩阵示意如下

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

ALPJABEAT代表碱基的字符集，strands代表链的方向性，+ - 代笔在使用meme预测motif时没有指定链的方向，Background代表背景中的碱基组成频率，MOTIF和以下的行为对应的碱基分布频率。

不同的软件和数据库对应的PFM矩阵的格式不同，在使用不同软件和数据库时需要注意。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！