motif/domain预测一般软件包括VNTI等等都是用的prosite和pfam的数据，所以结果都差不多，不过现在很多文献中是使用webserver的分析结果，也都是整合prosite/pfam等等数据的,expasy里面找找看就可以了，这样的server有很多，结果也都相似，比如EBI的interpro，PIR的iproclass，NCBI的CDD都是目前比较pop的了，呵呵，找一个graphic output比较漂亮一点的就ok了：）
至于说软件和webserver的结果出入，嗯，可能要取决于他们使用的数据版本了，一般来说webserver比软件更新要快，结果也似乎更可靠（当然，有些软件其实就是这些server的本地化界面，那就无所谓了），但是很多server只是列出一些比较置信的结果，而将一些比如磷酸化位点，糖基化位点等缺乏确定意义的结果排除了，所以这是需要注意的。如果不放心，可以将二者的结果综合起来考虑。你说的interproscan，似乎就是上面说的interpro的本地界面，看看软件说明吧，应该不是很复杂，就看他是否支持多任务并发了，否则就只有把所有的序列写到一个fasta文件里去scan吧，呵呵。
2.对于未知motif的搜索。
其实个人觉得你的课题中这部分才是核心问题，毕竟“吃别人嚼过的馒头，没劲”。这方面，knowledge-based的数据库可能就无能为力了。对于软件，无论CASTOR还是MEME，都是基于某种pattern recognition的算法，从“a set of 1D sequences”出发，得到一些consensus。主要分为multiple alignment based method和alignment-free method两类。对于前者，目前数据库中多数motif/domain都是用这种方法+HMM搜索确定的，但是对于相对比较短的motif或者candidates序列变异度比较大的情况下，用它来发现新的motif（something de novo）就比较困难了。所以目前大多数motif discovery的新算法都是通过结合alignment-free method来实现的。
MEME似乎有点old了（94年的东东），呵呵，不推荐。不过他提供的Meta-MEME和MAST程序将可能有助于你从序列数据库中挑选candidate,试试也不妨。
CASTOR是你在email中提到的paper中使用的软件，我看了一下，的确有过人之处，这里是介绍(
http://cmgm.stanford.edu/biochem218/Projects%20Spring%202003/Knox.pdf )，建议你还是尽量争取从作者Dr. Andrea Califano处获取这个软件，有利于你的后续工作，毕竟有同类工作的paper可以参考，如果从国内索取有困难，可以让你的老板从国外发mail，应该没有问题的。简单看了一下软件的说明，感觉操作还是很简便的，等你拿到程序之后，如果愿意，我们可以继续讨论研究。
除了这两个软件，我所知道的，还有一个比较强大（至少在算法上如此）的识别motif的程序：Gibbs Motif Sampler（
http://bayesweb.wadsworth.org/gibbs/gibbs.html ）。他同时也提供在线计算，upload你所有candidates的fasta格式序列在一个文件中，然后自动获得结果，操作非常的友好，计算速度也非常快。但是和其他大多数流行的motif discovery 一样，这种方法的主要缺陷在于，它有一个基本假设/前提是，在你提供的所有序列中都包含了这个motif，否则就会因为打分偏低从而有可能丢失这个结果。所以这就要求前期对大量candidates序列的classification/cluster必须做的很仔细，作进化树分亚家族当然是方法之一，但是利用序列中已知的motif来进行分类似乎也是可取之法，而且计算量更小结果也更精细。呵呵，CASTOR本身就具有这个功能，所以。。。^_^
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
