معرفی شرکت ها

cfm-id-0.1.7

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
0.1.7
0.1.6
0.1.5
0.1.4
0.1.2
0.1.1
0.1.0
0.1.7
0.1.6
0.1.5
0.1.4
0.1.2
0.1.1
0.1.0

توضیحات

A Python wrapper to use CFM-ID : https://cfmid.wishartlab.com
ویژگی مقدار
سیستم عامل -
نام فایل cfm-id-0.1.7
نام cfm-id
نسخه کتابخانه 0.1.7
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Yann Beauxis
ایمیل نویسنده dev@yannbeauxis.net
آدرس صفحه اصلی https://gitlab.com/metwork/libs/cfm-id
آدرس اینترنتی https://pypi.org/project/cfm-id/
مجوز LGPL-2.1-only
# CFM-ID Python Package This package is a Python wrapper to use CFM-ID : https://cfmid.wishartlab.com > CFM-ID provides a method for accurately and efficiently identifying metabolites > in spectra generated by electrospray tandem mass spectrometry (ESI-MS/MS). > The program uses Competitive Fragmentation Modeling to produce a probabilistic generative model > for the MS/MS fragmentation process and machine learning techniques to adapt the model parameters from data. This package is under devopment and work only for `cfm-predict` of the CFM-ID version 2.0. ## Install ```bash pip install cfm-id ``` ## Usage ```python from cfm_id import CfmId cfm_id = CfmId("/path/to/cfm_id/folder") cfm_id.predict("O=C1OC(CO)C(O)=C1O") ``` The default output format is a list of MatchMS [`Spectrum`](https://matchms.readthedocs.io/en/latest/api/matchms.Spectrum.html), including a "merged" spectrum of the 3 energies. You can specify the CFM-ID raw text format export with the `raw_format` param : ```python cfm_id.predict("O=C1OC(CO)C(O)=C1O", raw_format=True) ``` ## Environment variable You can also use environment variable `CFMID_PATH` rather than path argument. ```bash export CFMID_PATH=path/to/cfm_id/folder ``` ```python from cfm_id import CfmId cfm_id = CfmId() ``` ## Param and config files By default `CfmId` will use `param_output.log` and `param_config.txt` files located at the root of the cfm_id folder as respectively param and config files. You can specify anoter files location at instantiation with local path as ist of string : ```python from cfm_id import CfmId cfm_id = CfmId( "/path/to/cfm_id/folder", param=["param", "param_output0_neg.log"], conf=["conf", "param_config_neg.txt"] ) ``` In this example, the `cfm_id` instance will use `/path/to/cfm_id/folder/param/param_output0_neg.log` as param file. ## Use Docker image You can use a Docker image for CFM-ID rather than local files by using `CfmIdDocker` class. ```python from cfm_id import CfmIdDocker cfm_id = CfmIdDocker("myrepo/image_name:tag") ``` In the Docker image, `cfm-predict` has to be in the PATH environment variable and `param_output.log` and `param_config.txt` files must be located at the working directory. You can also use environment variable `CFMID_IMAGE` rather than path argument. ```bash export CFMID_IMAGE=myrepo/image_name:tag ``` ```python from cfm_id import CfmIdDocker cfm_id = CfmIdDocker() ```


نیازمندی

مقدار نام
>=0.13.0,<0.14.0 matchms
>=1.3.4,<2.0.0 pandas
>=0.34.0,<0.35.0 llvmlite
>=1.8.2,<2.0.0 pydantic


زبان مورد نیاز

مقدار نام
>=3.7.1,<4.0.0 Python


نحوه نصب


نصب پکیج whl cfm-id-0.1.7:

    pip install cfm-id-0.1.7.whl


نصب پکیج tar.gz cfm-id-0.1.7:

    pip install cfm-id-0.1.7.tar.gz