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

A set of tools to aid in the identification of false positive variants in Variant Call Files.

ویژگی	مقدار
سیستم عامل	-
نام فایل	extremevariantfilter-0.0a4
نام	extremevariantfilter
نسخه کتابخانه	0.0a4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Complete Genomics
ایمیل نویسنده	eanderson@genomics.cn
آدرس صفحه اصلی	https://github.com/stLFR/extremevariantfilter
آدرس اینترنتی	https://pypi.org/project/extremevariantfilter/
مجوز	-

# ExtremeVariantFilter Extreme Variant Filter is a set of tools developed to aid in the identification of false positive variants in Genomic Variant Call Files based on XGBoost. ### Functions __apply_filter__ Usage: apply_filter (--vcf STR) (--snp-model STR) (--indel-model STR) [--verbose] Description: Apply models generated by train_model to a VCF. Arguments: --vcf STR VCF to be filtered --snp-model STR Model for applying to SNPs --indel-model INT Model for applying to InDels Options: -h, --help Show this help message and exit. -v, --version Show version and exit. --verbose Log output Examples: apply_filter --vcf <table> --snp-model <snp.pickle.dat> --indel-model <indel.pickle.dat> __train_model__ Usage: train_model (--true-pos STR) (--false-pos STR) (--type STR) [--out STR] [--njobs INT] [--verbose] Description: Train a model to be saved and used to filter VCFs. Arguments: --true-pos STR Path to true-positive VCF from VCFeval or comma-seperated list of paths --false-pos STR Path to false-positive VCF from VCFeval or comma-seperated list of paths --type STR SNP or INDEL Options: -o, --out <STR> Outfile name for writing model [default: (type).filter.pickle.dat] -n, --njobs <INT> Number of threads to run in parallel [default: 2] -h, --help Show this help message and exit. -v, --version Show version and exit. --verbose Log output Examples: train_table --true-pos <path/to/tp/vcf(s)> --false-pos <path/to/fp/vcf(s)> --type [SNP, INDEL] --njobs 20 ### Install To install and run EVF simply type: pip install extremevariantfilter Alternatively, clone this repo and build using the following commands: git clone https://github.com/stLFR/extremevariantfilter.git cd extremevariantfilter pip install . ### stLFR Paper Results If you'd like to use this tool to corroborate the results from the [stLFR Paper on Bioarxiv](https://www.biorxiv.org/content/early/2018/05/17/324392.1) paper, the models used for variant filtering are available within the `models/` directory. In order to get identical results, after installation, use the command `pip install -r requirements.txt` from within this directory to ensure your environment matches the one we used for our results. Different versions of certain packages will result in variable results.

نیازمندی

مقدار	نام
-	scikit-learn
-	numpy
-	pandas
-	xgboost
-	docopt

نحوه نصب

نصب پکیج whl extremevariantfilter-0.0a4:

pip install extremevariantfilter-0.0a4.whl

نصب پکیج tar.gz extremevariantfilter-0.0a4:

pip install extremevariantfilter-0.0a4.tar.gz