معرفی شرکت ها
cimr-0.1.7
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 بیشترتوضیحات
continuous integration of association summary statistics for network analysis
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | cimr-0.1.7 |
| نام | cimr |
| نسخه کتابخانه | 0.1.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | YoSon Park |
| ایمیل نویسنده | yoson.park@gmail.com |
| آدرس صفحه اصلی | https://github.com/greenelab/cimr |
| آدرس اینترنتی | https://pypi.org/project/cimr/ |
| مجوز | BSD 3-Clause |
****
cimr
****
***************************************
cimr is not yet released for public use
***************************************
=====================================================
continuous integration and analysis of complex traits
=====================================================
==========
YoSon Park
==========
**Useful links**:
`Source repository <https://github.com/greenelab/cimr>`_ |
`Issues & Ideas <https://github.com/greenelab/cimr/issues>`_ |
`Documentation <https://cimr.readthedocs.io>`_ |
`cimr-d <https://github.com/greenelab/cimr-d>`_
*cimr* (continuously integrated meta-resource) is a convenience tool
for continuous analyses of variant-based association results from
GWAS (genome-wide association studies), eQTL (expression-quantitative
trait loci mapping) or other association studies. cimr aims to
streamline the pre-analysis processing steps, provide standardized
input files and automate scripting for standard downstream analyses.
============
Installation
============
-----------------
Installing python
-----------------
cimr requires python :math: `\ge` 3.6. Installation of data analysis bundles
such as `miniconda <https://conda.io/miniconda.html>`_ or
`anaconda <https://www.anaconda.com/download/>`_ are recommended and will
install all python packages cimr depends on. However, all required python
packages can be downloaded and installed with setup.py or requirements.txt
provided here.
------------------
Installing git lfs
------------------
cimr-d and some functionalities in cimr may use
`git large file storage (LFS) <https://git-lfs.github.com/>`_ .
See how to install
`git <https://www.atlassian.com/git/tutorials/install-git>`_ .
To install git-lfs on Ubuntu, run::
curl -s https://packagecloud.io/install/repositories/github/git-lfs/script.deb.sh | sudo bash
sudo apt-get install -y git git-lfs
git-lfs install
Alternatively, you can install git-lfs through conda::
conda install -c conda-forge git-lfs && git lfs install
---------------
Installing cimr
---------------
You can use pip to install the latest stable release of cimr::
pip3 install cimr
If you want to try out the nightly build of cimr at your own risk,
clone the repository from git::
git clone https://github.com/greenelab/cimr.git
cd cimr
pip3 install -r requirements.txt
python3 setup.py build
python3 setup.py install
=================
Analysis examples
=================
------------------------------------------------------------------------
Quality assurance and processing of association summary statistics files
------------------------------------------------------------------------
You can use cimr to standardize public datasets using a yaml file, e.g.::
# example.yaml
data_file:
description: >-
Global Lipid Genetics Consortium GWAS results for high-density
cholesterol levels
location:
url: https://zenodo.org/record/3338180/files/HDL_Cholesterol.txt.gz
md5: 2b28816a0a363db1a09ad9a6ba1a6620
columns:
variant_id: panel_variant_id
variant_chrom: chromosome
variant_pos: position
rsnum: variant_id
data_info:
citation: 10.1038/ng.2797
data_source: http://lipidgenetics.org/
data_type: gwas
context: hdl cholesterol
build: b38
sample_size: 187167
n_cases: na
can_be_public: true
method:
name: linear regression
tool: PLINK;SNPTEST;EMMAX;Merlin;GENABEL;MMAP
website: >-
http://zzz.bwh.harvard.edu/plink/download.shtml;
https://mathgen.stats.ox.ac.uk/genetics_software/snptest/snptest.html;
https://genome.sph.umich.edu/wiki/EMMAX;
https://csg.sph.umich.edu/abecasis/Merlin/tour/assoc.html;
http://www.genabel.org/sites/default/files/html_for_import/GenABEL_tutorial_html/GenABEL-tutorial.html;
https://mmap.github.io/
contributor:
name: Contributor Name
github: contributorgithub
email: contributoremail@emaildomain.emailextension
Details can be found in the
`cimr-d contributions.md <https://github.com/greenelab/cimr-d/blob/master/doc/contributing.md>`_.
Once the yaml file is prepared, you can run cimr locally::
cimr processor -process -yaml-file example.yaml
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl cimr-0.1.7:
pip install cimr-0.1.7.whl
نصب پکیج tar.gz cimr-0.1.7:
pip install cimr-0.1.7.tar.gz