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

Confidence estimation for proteomics experiments

ویژگی	مقدار
سیستم عامل	-
نام فایل	crema-ms-0.0.5
نام	crema-ms
نسخه کتابخانه	0.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	William E. Fondrie
ایمیل نویسنده	fondriew@gmail.com
آدرس صفحه اصلی	https://github.com/noble-lab/crema
آدرس اینترنتی	https://pypi.org/project/crema-ms/
مجوز	Apache 2.0

<img src="https://raw.githubusercontent.com/Noble-Lab/crema/master/static/crema_logo.svg" width=300> --- Confidence Estimation for Mass Spectrometry Proteomics **crema** is a Python package that implements various methods to estimate false discovery rates (FDR) in mass spectrometry proteomics experiments. crema focuses on methods that rely on the concept of "target-decoy competition." The sole purpose of crema is to do decoy-based FDR estimation, and to do it well. As a result, crema is lightweight and flexible. It has minimal dependencies and supports a wide range of input and output formats. On top of that, it is extremely simple to use. For more information, check out our [documentation](https://crema-ms.readthedocs.io). ## Installation crema requires Python 3.6+ and can be installed with pip: ``` $ pip3 install crema-ms ``` ## Basic Usage Before using crema, you need one or more files, each containing a collection of peptide-spectrum matches (PSMs) in tab-delimited format. Note that crema defaults to reading files via [crux](http://crux.ms/index.html) format, but can easily be manipulated to accept files in formats that use differing column headers. Simple crema calculations can be performed at the command line: ```Bash $ crema data/tide-search.target.psms.txt data/tide-search.decoy.psms.txt ``` Alternatively, the Python API can be used to calculate confidence estimates in the Python interpreter and affords greater flexibility: ```Python >>> import crema >>> input_files = ["data/tide-search.target.psms.txt", "data/tide-search.decoy.psms.txt"] >>> psms = crema.read_crux(input_files) >>> results = psms.assign_confidence() >>> results.to_txt(ouput_dir="example_output_dir") ``` Check out our [documentation](hhttps://crema-ms.readthedocs.io) for more details on how to make full use of crema.

نیازمندی

مقدار	نام
>=1.18.1	numpy
>=1.0.3	pandas
>=0.48.0	numba
>=4.4.2	pyteomics
>=2.7.1	pre-commit
>=20.8b1	black
>=1.0.0	numpydoc
>=0.2.5	sphinx-argparse
>=0.5.0	sphinx-rtd-theme
>=0.7.1	nbsphinx
>=5.3.0	ipykernel
>=0.5.0	recommonmark

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl crema-ms-0.0.5:

pip install crema-ms-0.0.5.whl

نصب پکیج tar.gz crema-ms-0.0.5:

pip install crema-ms-0.0.5.tar.gz