STEME

在STEME项目开始生活作为一个近似的预期，Maximisation算法的图案发现者，如MEME使用模型的类型。
STEME大局; EM近似运行一个数量级比更迅速的MEME实施为典型的参数设置。 STEME现已发展成为在自己的权利一个不折不扣的图案发现者。
为什么要使用STEME？
成熟的模式发现技术
STEME是基于尝试和测试MEME算法。 MEME是最成熟和流行的主题发现者之一。这是一个顶级的表演在通帕等人与rsquo的;的基准图案发现者的比较。
专为大型数据集
STEME被设计为在典型地通过现代生物学实验产生的大数据集的类型使用。 STEME已经在几十兆碱基对被测试的输入，但没有理由不应该在更大的数据集使用。
快
STEME快。通常，图案发现者拥有运行时与输入的大小快速增长。由于STEME大局;使用后缀树也不会受到这个问题。 STEME提供选项来控制运行时，使得用户控制他们多久准备等待结果。
灵活的主题模式
许多图案发现者（尤其是快速枚举图案发现者）使用的共识序列结合位点的车型。这些都不是那样灵活的STEME用途，不能捕捉同一范围内的图案作为的PWM的PWM输出。
使用方便
STEME产生的MEME＆rsquo的输出; S及既定格式因此很容易在下游工具使用。 STEME＆rsquo的; s输出已经过测试与MEME，BioPython和的BioPerl工具。
精确计算的意义
STEME＆rsquo的; S意义的计算都设计有大型数据集的初衷。还没有被写入大型数据集的主题发现者往往能严重误判，他们发现图案的意义。这是一个特别隐蔽的问题，难以在用户鉴别。
可作为一个Web服务
STEME可以在本地机器上安装，也可以在我们的服务器上的网络上运行。
包文件

要求：

• 在Python中