معرفی شرکت ها
epitoolkit-0.2.6
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
EpiToolkit is a set of tools useful in the analysis of data from EPIC / 450K microarrays.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | epitoolkit-0.2.6 |
| نام | epitoolkit |
| نسخه کتابخانه | 0.2.6 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Jan Bińkowski |
| ایمیل نویسنده | jan.binkowski@pum.edu.pl |
| آدرس صفحه اصلی | https://github.com/ClinicalEpigeneticsLaboratory/EpiGenToolKit |
| آدرس اینترنتی | https://pypi.org/project/epitoolkit/ |
| مجوز | MIT |
# EpiGenToolKit
Is a small library created to deal with data from `EPIC / 450K` microarrays. The tool allows to:
a) Simply visualize methylation levels of specific CpG or genomic region.
b) Perform enrichment analysis of a selected subset of CpG against the whole array. In this type of analysis expected frequency [%] (based on mynorm) of genomic regions is compared to observed (based on provided cpgs set), results are comapred using chi-square test.
# How to start?
a) using env
```
python -m venv env
source env/bin/activate # Windows: env\Scripts\activate
pip install epitoolkit
```
b) using poetry
```
poetry new .
poetry add epitoolkit
```
c) or just clone the repository:
```
git clone https://github.com/ClinicalEpigeneticsLaboratory/EpiGenToolKit.git
cd EpiGenToolKit && poetry install
```
# How to use?
## Visualization
To visualize single **CpG** site or specific genomic region initialize **Visualise** object:
```
from epitoolkit.tools import Visualize
viz = Visualize(manifest=<path_to_array_manifest>, # path to manifest file
mynorm=<path_to_mynorm_file>, # path to mynorm file
poi=<path_to_poi_file>, # path to poi file
poi_col=<column_name> # name of column containing sample phenotype
skiprows=0) # many manifest contains headers, set skiprows argument to ignore them.
```
all files must have *.csv extension, mynorm must contain sample names as `columns` and cpgs as `rows`, the proper
EPIC manifest may be downloaded from [here](https://emea.support.illumina.com/downloads/infinium-methylationepic-v1-0-product-files.html),
poi file must contain sample names `rows` (only samples overlapped between poi and mynorm will be used)
and POI (phenotype of interest) column containing names of phenotype e.g. Control and Case.
To visualize single CpG:
```
viz.plot_CpG("cg07881041", # cpg ID
static=False, # plot type static / interactive [default]
height=400, # plot size [default]
width=700, # plot size [default]
title="", # plot title [default]
legend_title="", # legend title [default]
font_size=22, # font size [default]
show_legend=True, # False to hide legedn [default]
x_axis_label="CpG", # x axsis label [default]
category_order=["Cohort 1", "Cohort 2], # box order [default]
y_axis_label="beta-values") # y axis label [default]
```
> NOTE: most of those arguments are default! So you don't need to specify most of them!
To visualize specific genomic region:
```
vis.plot_Range(chr=17, start=5999, end=7000)
```
> NOTE: please note that all arguments available in `viz.plot_CpG` are also in `plot_Range`
To visualize specific CpGs in genomic order, instead of whole region, just pass collection of CpGs:
```
viz.plot_Range(cpgs=["cg04594855", "cg19812938", "cg05451842"]
```
To save plots use *export* argument, for instance:
```
viz.plot_Range(chr=17, start=5999, end=6770, export="plot.html") # if static = False only html format is supported if static = True, use png extension.
```
### Enrichment analysis
To perform enrichment analysis against any type of genomic region specified in the manifest file, the user needs to initialize **EnrichemntAnalysis** object.
```
from src.epitoolkit.tools import EnrichmentAnalysis
ea = EnrichmentAnalysis(manifest=<path_to_array_manifest>,
mynorm=<path_to_mynorm_file>)
```
or if `Visualize` object already exists use `load` method (this approach makes you not have to load the data again):
```
ea = EnrichmentAnalysis.load(<Visualize_object_name>)
```
To start analysis:
```
ea.enrichmentAnalysis(categories_to_analyse=["UCSC_RefGene_Group", "Relation_to_UCSC_CpG_Island"], # list of categories to analyse
cpgs=cpgs) # list of cpgs to analyse against background
```
نیازمندی
| مقدار | نام |
|---|---|
| >=1.3.4,<2.0.0 | pandas |
| >=1.21.3,<2.0.0 | numpy |
| >=0.11.2,<0.12.0 | seaborn |
| >=3.4.3,<4.0.0 | matplotlib |
| >=5.3.1,<6.0.0 | plotly |
| >=1.7.1,<2.0.0 | scipy |
| >=4.62.3,<5.0.0 | tqdm |
| >=1.0.1,<2.0.0 | pathlib |
| >=1.5.7,<2.0.0 | autopep8 |
| >=4.2.0,<5.0.0 | Sphinx |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.8,<3.10 | Python |
نحوه نصب
نصب پکیج whl epitoolkit-0.2.6:
pip install epitoolkit-0.2.6.whl
نصب پکیج tar.gz epitoolkit-0.2.6:
pip install epitoolkit-0.2.6.tar.gz