معرفی شرکت ها

MICTI-0.2.0

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.2.0
0.1.9
0.1.8
0.1.7
0.1.9
0.1.8
0.1.7

توضیحات

Feature extraction approach in single-cell gene expression profiling for cell-type marker identification.
ویژگی مقدار
سیستم عامل OS Independent
نام فایل MICTI-0.2.0
نام MICTI
نسخه کتابخانه 0.2.0
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Nigatu Ayele
ایمیل نویسنده naodm2006awet4@gmail.com
آدرس صفحه اصلی https://github.com/insilicolife/micti
آدرس اینترنتی https://pypi.org/project/MICTI/
مجوز -
MICTI- Marker gene Identification for Cell Type Identity ======================================================== Recent advances in single-cell gene expression profiling technology have revolutionized the understanding of molecular processes underlying developmental cell and tissue differentiation, enabling the discovery of novel cell types and molecular markers that characterize developmental trajectories. Common approaches for identifying marker genes are based on pairwise statistical testing for differential gene expression between cell types in heterogeneous cell populations, which is challenging due to unequal sample sizes and variance between groups resulting in little statistical power and inflated type I errors. Overview -------- We developed an alternative feature extraction method, *Marker gene Identification for Cell Type Identity* (**MICTI**), that encodes the cell-type specific expression information to each gene in every single cell. This approach identifies features (genes) that are cell-type specific for a given cell-type in heterogeneous cell population. Installation ------------ To install the current release: pip install MICTI How to use MICTI ---------------- Import MICTI: from MICTI import MARKER Creating MICTI object for known cell-type cluster label: mictiObject=MARKER.MICTI(datamatrix, geneName, cellName, cluster_assignment=cell_type, k=None, th=0, ensembel=False, organisum="hsapiens") 2D visualisation with tSNE: mictiObject.get_Visualization(dim=2, method="tsne") Get MICTI marker genes: cluster_1_markers=mictiObject.get_markers_by_Pvalues_and_Zscore(1, threshold_pvalue=.01,threshold_z_score=0) Markers heatmap plots: mictiObject.heatMap() Markers Radar plots: mictiObject.get_Radar_plot() Gene Ontology enrichment analysis for cell-type marker genes in each of cell-type clusters enrechment_table=mictiObject.get_gene_list_over_representation_analysis(list(cluster_1_markers.index)) enrechment_table #gene-list enrichment analysis result for the cell-type marker genes for cluster-1 Licence ------- [MICTI LICENCE](./LICENSE)


نیازمندی

مقدار نام
- numpy
- pandas
- scipy
- scikit-learn
- matplotlib
- gensim
- gprofiler
- seaborn
- pyensembl
- bs4
- requests
- html5lib
- umap-learn


نحوه نصب


نصب پکیج whl MICTI-0.2.0:

    pip install MICTI-0.2.0.whl


نصب پکیج tar.gz MICTI-0.2.0:

    pip install MICTI-0.2.0.tar.gz