معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Identifying focal full methylation of cell subpopulation and inferring fraction

ویژگی	مقدار
سیستم عامل	-
نام فایل	CellMethy-1.2.0
نام	CellMethy
نسخه کتابخانه	1.2.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Fang Wang
ایمیل نویسنده	wangfang@ems.hrbmu.edu.cn
آدرس صفحه اصلی	https://github.com/pypa/CellMethyproject
آدرس اینترنتی	https://pypi.org/project/CellMethy/
مجوز	Harbin Medical University, Python Software Foundation License

CellMethy_v1 DNA methylation patterns within a cell population from individual somatic tissues are highly heterogeneous and polymorphic. We developed CellMethy method to quantify fraction of focal full methylation of cell subpopulation (FMC fraction) and identify fully methylated regions of cell subpopulation (CellMethy) based on single base resolution DNA methylation data. This script is used for infering fraction of focal full methylation cell subpopulation. *************** Easy to start: *************** Inputfile: File sepearated by "\\t" after bismark processed including read id, strand, chromosome, position of CpGc and methylation state (Z or z). The result would be placed into input folder: outputfile. If your fastq mapping is done with bismark and extracted methylation state, use following command: :: python CellMethy.py -f inputfile -o outputfile Options: ^^^^^^^^ -f: The file name of input file after bismark processed, include five columns: read ID, strand, chromosome, position of CpG and methylation states Z (methylated) or z (unmethylated) separated by '\\t'. -c: Lowest coverage cutoff in each bin, default is 10. -b: number of CpGs in each bin, default is 5. -o: The file name of output file showing full methylation of cell subpopulation, include five columns: chromosome, start, end, FMC fraction, and CpGs number in the region separated by "\\t". examples: """"""""" :: cd ~/CellMethy-*.*.* python ./CellMethy/bin/CellMethy.py -f ./data/data_file -b5 -c 10 -o myoutput How to get Input file ^^^^^^^^^^^^^^^^^^^^^^^^^^ If you have fastq data, you can mapping with bismark tools. examples: """"""""" :: bismark ./referenceGenome --bowtie2 test.fastq -o test.sam bismark_methylation_extractor -s --comprehensive test.sam The output file named "CpG_context_test.txt" is inputfile of CellMethy. The format of CellMethy inputfile include read id, strand, chromosome, position of CpGc and methylation state (Z or z) separated by '\\t'. :: Read1 + chr21 9827508 Z Read1 - chr21 9827503 z Read1 - chr21 9827484 z Read2 + chr21 9827434 Z Read2 + chr21 9827454 Z Read2 - chr21 9827483 z

نحوه نصب

نصب پکیج whl CellMethy-1.2.0:

pip install CellMethy-1.2.0.whl

نصب پکیج tar.gz CellMethy-1.2.0:

pip install CellMethy-1.2.0.tar.gz