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

Anti-correlation based feature selection for single cell datasets

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	anticor-features-0.1.4
نام	anticor-features
نسخه کتابخانه	0.1.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Scott Tyler
ایمیل نویسنده	scottyler89@gmail.com
آدرس صفحه اصلی	https://scottyler892@bitbucket.org/scottyler892/anticor_features
آدرس اینترنتی	https://pypi.org/project/anticor-features/
مجوز	-

# README # ### What is this repository for? ### Anti-correlated genes as a method of feature selection * Unsupervised feature selection for single cell omics (or anything else!) that passes the null dataset test ### How do I get set up? ### `python3 -m pip install anticor_features` You can also install using the setup.py script in the distribution like so: `python3 setup.py install` ### How do I run use this package? ### ``` from anticor_features.anti_cor_features import get_anti_cor_genes ## Then feed in the expression matrix, with cells in columns, genes in rows ## and the feature names (all_features) ## and the species code (in gProfiler format, linked below) anti_cor_table = get_anti_cor_genes(in_mat, all_features, species="hsapiens") ``` A list of the gProfiler accepted species codes is listed here: https://biit.cs.ut.ee/gprofiler/page/organism-list The above call yields a pandas data frame that will give you the collected summary statistics, and let you filter based on the features annotated as "selected" in that column ``` >>> print(anti_cor_table.head()) gene pre_remove_feature pre_remove_pathway ... FDR num_sig_pos_cor selected 0 Xkr4 False False ... NaN NaN NaN 1 Rp1 False False ... NaN NaN NaN 2 Sox17 False False ... 0.001883 3406.0 True 3 Mrpl15 False True ... NaN NaN NaN 4 Lypla1 False True ... NaN NaN NaN ``` The NaNs are produced where the gene was not assayed for anti-correlations either from pre-filtering (the default is to remove genes in pathways related to mitochondria, ribosomes, and hemoglobin). If you want to customize which GO terms are removed, or specify specific genes to exclude, you can do that with the pre_remove_features and pre_remove_pathways arguments ``` anti_cor_table = get_anti_cor_genes(in_mat, all_features, species="hsapiens", pre_remove_features = ["ACTB","MT-COX1"]) ``` ### Command line interface ### You can also use this tool at the command line, if you have either a .tsv or an hdf5 file, with the matrix under the key "infile" ``` python3 -m anticor_features.anticor_features -i exprs.tsv -species mmusculus ``` or something similar. This outputs the pandas table to a tsv in the same folder as the input file See the help section for more detailed usage of the command line interface: ``` python3 -m anticor_features.anticor_features -h ``` ### License ### This package is available via the AGPLv3 license. ### Who do I talk to? ### * Repo owner/admin: scottyler89+bitbucket@gmail.com

نیازمندی

مقدار	نام
-	h5py
-	numpy
-	pandas
-	seaborn
-	matplotlib
==0.3.5	gprofiler-official

نحوه نصب

نصب پکیج whl anticor-features-0.1.4:

pip install anticor-features-0.1.4.whl

نصب پکیج tar.gz anticor-features-0.1.4:

pip install anticor-features-0.1.4.tar.gz