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

Identify gene pairs that are codependent and mutually exclusive from single-cell RNA-seq data.

ویژگی	مقدار
سیستم عامل	-
نام فایل	eeisp-0.5.0
نام	eeisp
نسخه کتابخانه	0.5.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Natsu Nakajima, Ryuichiro Nakato
ایمیل نویسنده	rnakato@iqb.u-tokyo.ac.jp
آدرس صفحه اصلی	https://github.com/nakatolab/EEISP
آدرس اینترنتی	https://pypi.org/project/eeisp/
مجوز	GPL3.0

# EEISP EEISP identifies gene pairs that are codependent and mutually exclusive from single-cell RNA-seq data. ## Installation pip3 install eeisp ### (Optional) Dependencies for GPU EEISP requires [cupy](https://cupy.dev/) when using GPU computation `--gpu`. Use pip to install cupy like this (see [the manual](https://docs.cupy.dev/en/stable/install.html) for more detail). # For CUDA 9.2 pip3 install cupy-cuda92 # For CUDA 10.1 pip3 install cupy-cuda101 If you do not use `--gpu`, you do not need to install cupy. ## Usage EEISP takes a read count matrix as an input, in which rows and columns represent genes and cells, respectively. A gzipped file (.gz) is also acceptable. 0. (Optional) Convert CellRanger output to an input matrix (require R and [Seurat](https://satijalab.org/seurat/) library) ``` datadir="outs/filtered_feature_bc_matrix/" matrix="matrix.txt" R -e "library(Seurat); so <- Read10X('$datadir'); write.table(so, '$matrix', quote=F, sep=',', col.names=T)" ``` 1. `eeisp` calculates the CDI and EEI scores for all gene pairs. The output contains lists of gene pairs that have CDI or EEI values above the specified threshold and the tables of degree distribution. ``` usage: eeisp [-h] [--threCDI THRECDI] [--threEEI THREEEI] [--tsv] [--gpu] [-p THREADS] [-v] matrix output positional arguments: matrix Input matrix output Output prefix optional arguments: -h, --help show this help message and exit --threCDI THRECDI Threshold for CDI (default: 20.0) --threEEI THREEEI Threshold for EEI (default: 10.0) --tsv Specify when the input file is tab-delimited (.tsv) --gpu GPU mode -p THREADS, --threads THREADS number of threads (default: 2) -v, --version show program's version number and exit ``` 2. `eeisp_add_genename_from_geneid` add Gene Names (Symbols) to the output files of `eeisp`. ``` usage: eeisp_add_genename_from_geneid [-h] [--i_id I_ID] [--i_name I_NAME] input output genelist positional arguments: input Input matrix output Output prefix genelist Gene list optional arguments: -h, --help show this help message and exit --i_id I_ID column number of gene id (default: 0) --i_name I_NAME column number of gene name (default: 1) ``` ## Tutorial The sample data is included in `sample` directory. * `data.txt`: the input matrix of scRNA-seq data. * `genelidlist.txt`: the gene list for `eeisp_add_genename_from_geneid`. eeisp data.txt Sample --threCDI 0.5 --threEEI 0.5 -p 8 This command outputs gene pair lists that have CDI>0.5 or EEI>0.5. `-p 8` means 8 CPUs are used. Supply `--gpu` option to GPU computation (require [cupy](https://www.preferred.jp/en/projects/cupy/)): eeisp data.txt Sample --threCDI 0.5 --threEEI 0.5 -p 8 --gpu (Note: Since GPU computation covers a part of eeisp, it is better to use multiple CPUs even in `--gpu` mode for the fast computation.) Output files are: ``` Sample_CDI_score_data_thre0.5.txt # A list of gene pairs with CDI score. Sample_CDI_degree_distribution_thre0.5.csv # A table of the number of CDI degree and genes. Sample_EEI_score_data_thre0.5.txt # A list of gene pairs with EEI scores. Sample_EEI_degree_distribution_thre0.5.csv # A table of the number of EEI degree and genes. ``` The output files might include gene ids only. ``` $ head Sample_CDI_score_data_thre0.5.txt 2 7 ESG000003 ESG000008 0.96384320244841 0 1 ESG000001 ESG000002 0.6852891560232545 0 6 ESG000001 ESG000007 0.6852891560232545 7 8 ESG000008 ESG000009 0.6852891560232545 3 9 ESG000004 ESG000010 0.6469554204484568 4 6 ESG100005 ESG000007 0.5258703930217091 ``` If you want to add gene names (Symbols), use `eeisp_add_genename_from_geneid` with `geneidlist.txt`, which contains the pairs of gene ids and names. ``` eeisp_add_genename_from_geneid \ Sample_CDI_score_data_thre0.5.txt \ Sample_CDI_score_data_thre0.5.addgenename.txt \ geneidlist.txt eeisp_add_genename_from_geneid \ Sample_EEI_score_data_thre0.5.txt \ Sample_EEI_score_data_thre0.5.addgenename.txt \ geneidlist.txt ``` The output files include gene names. ``` $ head Sample_CDI_score_data_thre0.5.addgenename.txt 2 7 ESG000003 ESG000008 OR4F5 FO538757.3 0.96384320244841 0 1 ESG000001 ESG000002 RP11-34P13.3 FAM138A 0.6852891560232545 0 6 ESG000001 ESG000007 RP11-34P13.3 RP11-34P13.9 0.6852891560232545 7 8 ESG000008 ESG000009 FO538757.3 FO538757.2 0.6852891560232545 3 9 ESG000004 ESG000010 RP11-34P13.7 AP006222.2 0.6469554204484568 4 6 ESG100005 ESG000007 RP11-34P13.8 RP11-34P13.9 0.5258703930217091 ``` ## Reference Nakajima N., Hayashi T., Fujiki K., Shirahige K., Akiyama T., Akutsu T. and Nakato R., [Codependency and mutual exclusivity for gene community detection from sparse single-cell transcriptome data](https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab601/6324613), *Nucleic Acids Research*, 2021.

نیازمندی

مقدار	نام
>=1.14.2	numpy
>=0.22.0	pandas
>=1.3	scipy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl eeisp-0.5.0:

pip install eeisp-0.5.0.whl

نصب پکیج tar.gz eeisp-0.5.0:

pip install eeisp-0.5.0.tar.gz