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

CoSpar: integrating state and lineage information for dynamic inference

ویژگی	مقدار
سیستم عامل	-
نام فایل	cospar-0.3.0
نام	cospar
نسخه کتابخانه	0.3.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Shou-Wen Wang
ایمیل نویسنده	shouwen_wang@hms.harvard.edu
آدرس صفحه اصلی	https://github.com/AllonKleinLab/cospar
آدرس اینترنتی	https://pypi.org/project/cospar/
مجوز	BSD

|PyPI| |PyPIDownloads| |Docs| CoSpar - dynamic inference by integrating state and lineage information ======================================================================= .. image:: https://user-images.githubusercontent.com/4595786/104988296-b987ce00-59e5-11eb-8dbe-a463b355a9fd.png :width: 300px :align: left **CoSpar** is a toolkit for dynamic inference from lineage-traced single cells. The methods are based on `Wang et al. Nat. Biotech. (2022) <https://www.nature.com/articles/s41587-022-01209-1>`_. Dynamic inference based on single-cell state measurement alone requires serious simplifications. On the other hand, direct dynamic measurement via lineage tracing only captures partial information and its interpretation is challenging. CoSpar integrates both state and lineage information to infer a finite-time transition map of a development/differentiation system. It gains superior robustness and accuracy by exploiting both the local coherence and sparsity of differentiation transitions, i.e., neighboring initial states share similar yet sparse fate outcomes. Building around the anndata_ object, CoSpar provides an integrated analysis framework for datasets with both state and lineage information. When only state information is available, CoSpar also improves upon existing dynamic inference methods by imposing sparsity and coherence. It offers essential toolkits for analyzing lineage data, state information, or their integration. See `<https://cospar.readthedocs.io>`_ for documentation and tutorials. Reference --------- `S.-W. Wang*, M. Herriges, K. Hurley, D. Kotton, A. M. Klein*, CoSpar identifies early cell fate biases from single cell transcriptomic and lineage information, Nat. Biotech. (2022) <https://www.nature.com/articles/s41587-022-01209-1>`_. [* corresponding authors] Support ------- Feel free to submit an `issue <https://github.com/AllonKleinLab/cospar/issues/new/choose>`_ or send us an `email <mailto:wangsw09@gmail.com>`_. Your help to improve CoSpar is highly appreciated. .. |PyPI| image:: https://img.shields.io/pypi/v/cospar.svg :target: https://pypi.org/project/cospar .. |PyPIDownloads| image:: https://pepy.tech/badge/cospar :target: https://pepy.tech/project/cospar .. |Docs| image:: https://readthedocs.org/projects/cospar/badge/?version=latest :target: https://cospar.readthedocs.io .. _anndata: https://anndata.readthedocs.io

نیازمندی

مقدار	نام
>=1.19.4	numpy
>=1.5.4	scipy
>=0.23.2	scikit-learn
>=1.6.0	scanpy
>=1.1.4	pandas
==0.13.2	statsmodels
>=0.7.1	plotnine
>=3.3.3	matplotlib
>=1.1.26	fastcluster
>=0.7.5	anndata
>=0.52.0	numba
>=0.1.3	scikit-misc
>=0.7.0	leidenalg
>=3.1.2	ete3
-	ipywidgets
==19.10b0	black
==2.5.1	pre-commit
>=1.19.4	numpy
>=1.5.4	scipy
>=0.23.2	scikit-learn
>=1.6.0	scanpy
>=1.1.4	pandas
==0.13.2	statsmodels
>=0.7.1	plotnine
>=3.3.3	matplotlib
>=1.1.26	fastcluster
>=0.7.5	anndata
>=0.52.0	numba
>=0.1.3	scikit-misc
>=0.7.0	leidenalg
>=3.1.2	ete3
-	ipywidgets
-	setuptools
-	setuptools-scm
-	typing-extensions
-	importlib-metadata
>=0.3	sphinx-rtd-theme
<=1.6	sphinx-autodoc-typehints
<3.1	Jinja2
-	ipykernel
==3.5.4	sphinx
==0.8.0	nbsphinx

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl cospar-0.3.0:

pip install cospar-0.3.0.whl

نصب پکیج tar.gz cospar-0.3.0:

pip install cospar-0.3.0.tar.gz