Motif scanning tool: FIMO（在线版分析笔记）

FIMO官网教程

官网：这里

（一）什么FIMO？

FIMO扫描一组序列，用每条序列来以匹配你提供的motifs。换言之，你需要提供你的序列（比如ChIP-seq峰，或者ATAC-seq峰，或任何你感兴趣的序列片段）；并且，你还需要提供motif文件，目的就是要查看感兴趣的序列里有没有这些motif。

FIMO这个名字的意思是“Find Individual Motif Occurrences”。该程序为已知的motif在一组序列里搜索，查看是否存在。motif必须是MEME Motif格式（具体格式请参考这里）。在线版的FIMO还允许你输入其他格式的motif。

注意:FIMO不会对包含模糊字符的序列位置进行评分。

（二）FIMO的应用

（1）确定转录因子(TF)motif在一个或多个启动子序列中匹配的所有位置。
（2）使用已知motif(来自提供的数据库之一)或由motif发现算法(如MEME 或DREME)发现的新motif，准确预测转录因子在其每个ChIP-seq峰中的结合位置。
（3）确定一个蛋白motif在一个或多个蛋白序列中匹配的所有位置。

（三）FIMO是如何工作的？

FIMO将每个输入motif转换为一个log-odds PSSM，并使用每个PSSM独立扫描输入序列。它报告每个序列中匹配一个具有统计意义的log-odds分数的motif的所有位置。

（四）序列Database

这些序列应该都在相同的序列字母表。它们的长度可以不同。例如，它们可以是一组被认为是协同调节的启动子，或一组ChIP-seq区域，或有机体的蛋白质组。（用简单的话说就是：你输入的序列要么都是DNA序列，要么都是蛋白质序列，不能两个混着作为输入序列）

（五）准备序列文件

各种MEME套件程序需要一个蛋白质、DNA、RNA或其他一些潜在的自定义序列的文件作为输入。这些输入文件必须是FASTA格式，它必须是纯文本，而不是WORD、.doc、.docx、.rtf或任何其他文字格式。

格式规范
每个FASTA条目由一个序列标识符行后跟一个或多个序列行组成。序列标识符行以第1列中的“>”字符开始，必须紧接其后是序列标识符(ID)。ID后面可以跟一个(可选的)序列描述(注释)。“>”和ID之间可以没有空格，但是必须用空格分隔ID和注释。格式是这样的:

>ID1 COMMENT
SEQUENCE
SEQUENCE
...
>ID2 COMMENT
SEQUENCE
...

NOTE：
（1）对于DNA、RNA和蛋白质等序列来说，大小写并不重要。
（2）序列中的空白(空格和换行)将被忽略。

（六）Motif文件格式

除了序列文件，还需要准备motif文件。这个文件你可以自己构建，也可以直接下载数据库。如果是自己构建的motif文件，应该像下面这样：

格式规范：

包括以下部分:

版本(必需): 这一行必须出现在文件中任何其他部分之前。版本号必须是MEME Suite的版本号。
Alphabet(推荐)：Alphabet告诉MEME Suite，motif是以DNA还是RNA，或者蛋白质的字母出现的。如果这一行没有出现，那么MEME Suite可以尝试从背景或motif本身中发现这一点。
链(可选)：只对互补字母(如DNA)的motif有意义，并表明motif是否由给定和反向互补的链所创造。如果这一行没有提供，那么MEME Suite就会假定互补字母的motif是由这两条链创造的。
Background frequencies背景频率(推荐)：
背景频率告诉MEME Suite，motif字母表中的每个字母在用于创建motif的源序列中有多普遍。如果没有提供背景频率，那么MEME Suite套件将采用统一的背景频率。
Motifs(必需)：关于这部分的格式请看下面。

对于每个motif文件里的motif部分还需要包括以下内容：

Motif name(需要)：
motif名称行表明一个新的motif的开始，并为它指定一个标识符，在该文件里必须是唯一的。不能包含空格或等号(=)。
Motif letter-probability matrix (必需)：包含字母表中每个字母的概率，所以每行的概率之和必须为1。
Motif URL(可选)

这里我下载的是Jaspar数据库中motif文件，官网在这里：http://jaspar.genereg.net/downloads/，你可以选择下载一个一个的motif文件，也可以选择下载合并在一个文件里的motif文件。

（七）在线版FIMO软件使用

MEME suite里的每个套件都有在线版和command line版，我就直接使用在线版的了，因为很方便，不用再费时去安装MEME套件。FIMO的在线版网站：http://meme-suite.org/tools/fimo

运行后（运行时间取决于你的序列多少），页面会自动转换：

（八）输出文件

如果你使用的是command line运行的FIMO，FIMO将创建一个目录，名为fimo_out。目录中任何现有的输出文件都将被覆盖。该目录将包含:

HTML：一个HTML文件，它以可读的格式提供结果
fimo.tsv ：一个tsv(tab分隔)文件，适合脚本解析和Excel查看
fimo.gff ：一个GFF3格式的文件，以适合在UCSC基因组浏览器中显示
cisml.xml：以CisML模式提供结果
fimo.xml：描述FIMO的输入并引用CISML文件CISML .xml

打开HTML文件，这是一个很长的文件，开头长这样：

最上面是注明了你用的是MEME套件里的哪一个工具，这里我们用的是FIMO，所以结果里注明了FIMO的版本。接着就是你刚才的输入文件，我这里输入的是7条序列，然后下面是我输入的Jaspar数据库里的motif文件。这里很长，我只截取了一段

在motif文件的后面是输出的结果：

这里可以看到对于每一条我输入的序列，都列出了可能的motif。并且所有的motif都按照p值进行了排列，最显著的motif排在最前面。

上面这个表和fimo.tsv 输出文件是一样的：

$ head fimo.tsv
motif_id        motif_alt_id    sequence_name   start   stop    strand  score   p-value q-value matched_sequence
MA0155.1        INSM1   peak_3_1        306     317     +       18.3571 2.2e-07 0.00039 TGTCTGGGGGCA
MA0478.1        FOSL2   peak_5_1        28      38      -       16.7455 3.73e-07        0.000696        GGGTGACTCAG
MA0500.2        MYOG    peak_3_1        226     237     +       15.4037 4.31e-07        0.000355        CAGCAGCTGCTT
MA0500.2        MYOG    peak_3_1        226     237     -       15.4037 4.31e-07        0.000355        AAGCAGCTGCTG
MA0591.1        Bach1::Mafk     peak_5_1        25      39      -       18.3158 4.81e-07        0.000771        AGGGTGACTCAGCCC
MA1642.1        NEUROG2(var.2)  peak_5_1        47      59      -       15.2358 6.08e-07        0.00106 GGACCAGATGGCC
MA1638.1        HAND2   peak_5_1        48      57      -       13.8143 7.46e-07        0.00126 ACCAGATGGC
MA0816.1        Ascl2   peak_3_1        227     236     +       16.9143 7.46e-07        0.00073 AGCAGCTGCT
MA0816.1        Ascl2   peak_3_1        227     236     -       16.9143 7.46e-07        0.00073 AGCAGCTGCT