表观组学中的motif分析到底在研究什么？

# 一、无处不在的motif #

在各类表观组学文章中，motif分析总是占据着关键版面，例如m6A文章中经典的RRACH类型RNA甲基化motif、ATAC文章中各类转录因子结合位点预测也少不了motif结果的展示，甚至可以利用motif分析预测蛋白功能。用途如此广泛的分析究竟该如何去理解与学习其基础概念，手上有数据该如何完成此类分析，分析结果又如何解读，今天我们就带大家来好好认识一下这位期刊文章中的常客—motif分析。

图1 m6A研究文章中常见的motif结果

motif（模体）这个概念很早就被提出，而首次系统化描述这个概念内容的文章是在2002年，发表于Science期刊上。在这篇文章中，motif被定义为：在复杂网络中某种连接模式出现频率显著高于随机网络的现象。

motif我们可以简单理解为：在复杂网络中出现的局部规律，这种规律现象无处不在。例如对于X-Y这个motif，在生态网络中，可以是大鱼X吃掉小鱼Y，也可以是神经网络中神经元X激活神经元Y；甚至是我们日常生活听到的音乐中反复出现的和弦走向、服装上的重复花纹等都可以用某种motif进行描述。motif概念的引入，使得网络研究（基因网络、生态网络等）不局限于某些固定节点或网络整体，我们可以经由motif研究复杂网络的微观结构，关注某些元素之间的关联特性。

# 二、表观组学中的motif分析 #

回归到表观组学中，无论是转录因子结合或是DNA、RNA甲基化修饰，他们都存在一定碱基偏好性，即结合/修饰位点并不是随机现象，而是出现在某些特定的碱基组合中，利用motif分析可以挖掘其修饰/结合偏好，进而锁定相关基因，对后续讨论、实验具有指导作用。

TF：Tranion Factor，转录因子

TFBS：Tranion Factor Binding Site 转录因子结合位点

# 三、常见motif算法 #

当前常用的motif计算方法可分为两大类：字符搜索算法、概率模型算法；其中概率模型算法又分为期望最大算法以及吉布斯取样算法。

1）字符搜索算法：其核心思想是将一个单词组合（如：ATTCG）出现次数与其期望次数进行比较分析，将相似的单词组合成一个motif。这种算法适用于短motif搜索，目前这类算法使用较少；

2）吉布斯取样算法 (Gibbs sampling) ：这类算法的核心思想是进行随机采样，不断更新motif模型以及在序列中出现的位置，当满足设置好的阈值条件就终止迭代，获得最终的motif结果；

3）期望最大算法 (expectation maximization, EM) ：EM算法是目前应用最为广泛的motif算法，这类算法对序列集合构建二元有限混合模型，再运用最大似然估计法对模型参数值进行估计。

EM算法的典型软件代表就是MEME软件，这款软件功能强大，还提供了操作简单的在线工具，在表观组学涉及motif分析文章中的出现频率极高。

MEME在线工具地址：

https://meme-suite.org/meme/tools/meme

图2 MEME软件主页面

# 四、MEME-ChIP#

MEME中有一款整合组件MEME-ChIP，它整合了motif搜索、富集、浏览以及比较工具组件，输入一批数据可完成一系列motif分析操作，这款组件广泛用于ATAC-seq、DAP-seq、ChIP-seq等测序数据motif挖掘中。

MEME-ChIP主要包含组件：

1）MEME\DREME\STREME：motif搜索工具，MEME主要用于较长motif（8-15bp）搜索；DREME则用于预测短motif（3-8bp），目前已不再整合入MEME-ChIP中；STREME主要用于输入IP序列以及Input序列时的motif比较搜索。

图3 不同长度motif结果图

*注：图形横轴表示碱基序号，纵轴表示校正后的得分，碱基高度越高表示motif该位置出现这种碱基可能性越高

2）CentriMo/SpaMo：motif富集工具，CentriMo用于发现Motif在输入序列上的富集情况，要求输入序列等长；SpaMo分析则用于计算距离主要motif周围的次要motif信息（较少使用）。

图4 motif在序列中心富集概率曲线

3）Tomtom：motif注释工具，主要用于预测的motif结果与jaspar等转录因子数据库中记录的motif对比、注释。

图5 motif注释结果

4）FIMO：查找获得的motif具体位置，可构建起motif-peak-相关基因的关系，进而分析转录因子对相关基因的表达调控作用。

图6 基迪奥DAP流程FIMO结果表格

# 五、MEME-ChIP实操、结果解读#

#1

上传数据

地址：

https://meme-suite.org/meme/tools/meme-chip

注意：MEME-ChIP需要输入等长的序列，官方推荐500bp长度fa格式文件进行上传分析。

#2

参数选择

1）基础参数信息

2）高阶参数信息调整

#3

任务结果查看下载

200条500bp长度的DNA序列上传，默认参数下， 5分钟左右即可获得motif结果。任务结果提供了网页版本可直接查看，也提供了打包下载功能。

#4

结果总览

打开网页版结果，整体展示任务的motif结果信息，点击对应链接可以跳转查看。

#5

MEME结果

点击MEME结果部分，给出了序列、显著性E值等一系列motif搜索相关信息，还可以查看motif在各染色体具体位置。

#6

TOMTOM结果

提供JASPAR等数据库motif比对结果，可根据这部分结果分析相关转录因子在序列结合情况。

#7

Centrimo结果

对已知/搜索获得motif出现在输入序列中心位置概率进行分析，0位置峰越高，说明该motif出现在序列中心位置概率越大，越有可能是后续研究的重点。

#8

FIMO结果

FIMO组件展示了MEME组件搜索到的motif具体匹配到的序列信息（所处染色体、起始终止位置、显著性等），可用于构建motif-peak-相关基因的位置关系，从而获得motif潜在调控的相关基因。

# 小结 #

motif分析作为表观组学高分文章的必备分析条目，掌握它并用好它能为后续的关键基因筛选、调控机制挖掘提供不小的参考与指导。

最后编辑：2022-03-14

作者：萌小白

一个热爱网络的青年！

站内专栏 邮箱