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

A simple library for differential expression analysis

ویژگی	مقدار
سیستم عامل	-
نام فایل	DEA-0.2
نام	DEA
نسخه کتابخانه	0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jeff Liu
ایمیل نویسنده	jeffliu6068@gmail.com
آدرس صفحه اصلی	https://github.com/jeffliu6068/DEA
آدرس اینترنتی	https://pypi.org/project/DEA/
مجوز	LICENSE.txt

# DEA DEA stands for differential expression analysis, a common analysis in bioinformatics done to explore the most significantly differentially expressed genes between 2 predefined groups. DEA is a simple python package that implements related-tools for differential expression analysis as well as visualizing the output on a volcano plot. ### Download Package Download the DEA package by: ``` pip install git+https://github.com/jeffliu6068/DEA.git ``` or ``` pip install DEA ``` ### Import Once installed, import the package by: ``` import DEA ``` ## Intuition: How DEA Works to Identify Differentially Expressed Genes During DEA, the input group of samples will be compared to the rest of the samples. The degree of difference is measured in fold change which is the mean(group1) divided by the mean(group2) and the significance of the difference is measured using a Student t-test with Bonferroni multiplicity correction as an option. This returns a dataframe with the p-value and fold change of each differentially expressed gene. P-value > 0.05 are removed. This output is then plotted onto a volcano plot for easy visualization. # Available Tools in the DEA Package ## Differentially Expressed Genes ``` import DEA dea_df = DEA.compare_clusters(df, X_label, correction=False) ``` df is the input dataframe with genes (row) x samples (columns) and X_label is a list of samples part of df that is compared to the rest of the df ## Volcano Plot ``` DEA.volcano_plot(dea_df, 5,2) ``` Volcano plots the log2(fold change) on the x-axis and -log10(p-value) on the y-axis. The last 2 parameters 5, 2 in this case are the -log10(p-value) threshold and log2(fold change) threshold used to define the points that will be annotated on the graph. ## Authors - **Ta-Chun (Jeff) Liu** - [jeffliu6068](https://github.com/jeffliu6068) - **Sir Walter Fred Bodmer FRS FRSE** - _Supervision_ ## License This project is licensed under the MIT License - see the [LICENSE.md](LICENSE.md) file for details ## Acknowledgments - Hat tip to anyone whose code was used - Inspiration: Thank you for all that has contributed ideas and expertise to make this possible. Let's advance science together.

نیازمندی

مقدار	نام
-	pandas
-	scipy
-	numpy
-	matplotlib
-	sklearn
-	tqdm

نحوه نصب

نصب پکیج whl DEA-0.2:

pip install DEA-0.2.whl

نصب پکیج tar.gz DEA-0.2:

pip install DEA-0.2.tar.gz