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

Ecosystem of Machine-maintained Models with Automated Analysis

ویژگی	مقدار
سیستم عامل	-
نام فایل	emmaa-1.9.0
نام	emmaa
نسخه کتابخانه	1.9.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	EMMAA developers, Harvard Medical School
ایمیل نویسنده	benjamin_gyori@hms.harvard.edu
آدرس صفحه اصلی	https://github.com/indralab/emmaa
آدرس اینترنتی	https://pypi.org/project/emmaa/
مجوز	-

# EMMAA EMMAA is an Ecosystem of Machine-maintained Models with Automated Analysis. The primary way users can interact with EMMAA is by using the EMMAA Dashboard which can be accessed [here](http://emmaa.indra.bio). ## Documentation For a detailed documentation of EMMA, visit http://emmaa.readthedocs.io. The documentation contains three main sections: - A conceptual description of the [EMMAA architecture and approach](https://emmaa.readthedocs.io/en/latest/architecture/index.html) - An [introduction to the EMMAA Dashboard](https://emmaa.readthedocs.io/en/latest/dashboard/index.html) - A [module-level documentation of all of EMMAA's code base](https://emmaa.readthedocs.io/en/latest/modules/index.html) linked directly to the source code on Github ## Concept The main idea behind EMMAA is to create a set of computational models that are kept up-to-date using automated machine reading, knowledge-assembly, and model generation. Each model starts with a prior network of relevant concepts connected through a set of known mechanisms. This set of mechanisms is then extended by reading literature or other sources of information each day, determining how new information relates to the existing model, and then updating the model with the new information. Models are also available for automated analysis in which relevant queries that fall within the scope of each model can be automatically mapped to structural and dynamical analysis procedures on the model. This allows recognizing and reporting changes to the model that result in meaningful changes to analysis results. ## Applications The primary application area of EMMAA is the molecular biology of cancer, however, it can be applied to other domains that the INDRA system and the reading systems integrated with INDRA can handle. ## Installation Users primarily interact with EMMAA via the [Dashboard](http://emmaa.indra.bio), for which no dependencies need to be installed. To set up programmatic access to EMMAA's features locally, do the following: ``` git clone https://github.com/indralab/emmaa.git cd emmaa pip install git+https://github.com/sorgerlab/indra.git pip install git+https://github.com/indralab/indra_db.git pip install -e . ``` A Dockerized version of EMMAA is available at https://hub.docker.com/r/labsyspharm/emmaa, which can be obtained as ``` docker pull labsyspharm/emmaa ``` ## Funding The development of EMMAA is funded under the DARPA Automating Scientific Knowledge Extraction (ASKE) program under award HR00111990009.

نیازمندی

مقدار	نام
-	indra
-	boto3
-	jsonpickle
==4.0.94	kappy
-	pygraphviz
-	fnvhash
<1.4	sqlalchemy
-	inflection
==0.15	pybel
==3.25.0	flask-jwt-extended
-	gilda
-	tweepy
-	nose
-	coverage
-	moto[iam]
-	sqlalchemy-utils

نحوه نصب

نصب پکیج whl emmaa-1.9.0:

pip install emmaa-1.9.0.whl

نصب پکیج tar.gz emmaa-1.9.0:

pip install emmaa-1.9.0.tar.gz