流聚簇
aclust的Python项目详细描述
aclust
==
具有自定义距离和相关性的流聚合群集
*聚合群集*是一个非常简单的算法。
这里提供的函数“aclust”是对允许输入流的修改版本的一个简单实现的尝试，这样就不需要读取数据。一下子记住了。大多数聚类算法在一个相关矩阵上操作
，这对于高维
数据可能是不可行的。
BR/>‘ACLASTH’**依赖于一个支持接口（我知道，我知道）的
对象的流，以使调用方有一定的复杂性：
BR/> OBJ。距离（其他）&数字< BR/> OBJ。->；bool
虽然这确实添加了一些基础结构，但我们可以想象一个具有
位置和值属性的类，其中前者是一个整数，
后者是一个数值列表。然后，这些方法将被实现为：
def distance（self，other）：
return self.position-other.position
def is_correlated（self，other）：
return np.corrcef（self.values，other.values）[0，1]>；0.5
我们可以想象，距离可以返回两个字符串之间的levenshtein距离
，而is-correlated可以表示它们在同一个句子中或在具有相同情感的句子中的存在。
这对于像基因组数据这样的事情很重要，但是在文本中可能会少一些，在文本中可以将max\\u skip参数设置为一个大值来确定内存中保存了多少数据。
有关示例和选项，请参阅函数docstring。函数签名是：
aclust（object\\\\'u stream，max\'u dist，
max\'u skip=1，linkage='single'，多个成员=false）
默认值是仅允许将功能添加到与其相关的*最近*群集。
我们可以使用这个方法将每个cpg的一个测试（关联）的数量减少，
每个相关单元测试一次。
完整示例请参见：https://github.com/brentp/aclust/blob/master/examples/methylation-clustering-哮喘.py。
``````
chrom start-end n庘probes哮喘.pvalue哮喘.tstat哮喘。coef
chr1 566570 567501 8 chr1:566570，chr1:566731，chr1:567113，CHR1:567206，CHR1:567312，CHR1:56737348，CHR1:56737358，CHR1:567501 0.4566-0.74-0.74-0.06
CHR1 713985 714021 3 CHR1:713985，CHR1:7140112，CHR1:714021 0.7121 0.1185-1.56-0.13
CHR1 845810 846195，CHR1:845810，CHR1:846155，CHR1:846155，CHR1:846195 0.5913 0.5913 0.54 0.54 0.04
CHR1 848379 84847312，CHR1:56567312，CHR1:56767 8484847340，CHR1:848484848484848379，chr1:848409，chr1:848440 0.3399-0.95-0.06
chr1 854766 855046 7 chr1:854766，chr1:854824，chr1:854838，chr1:854918，chr1:854951，chr1:854966，chr1:855046 0.7482-0.32-0.02
chr1 870791 871546 8 chr1:870791，chr1:870810，chr1:870958，chr1:871033，chr1:871057，chr1:871308，chr1:871441，1:871546 0.2198-1.23-0.11
chr1 892857 892948892948 3 chr 1:892857，chr 1:892914，chr 1:892948 0.2502-1.15-0.05
chr 1 901062 901799 5 chr 1:901062，chr 1:901449，chr 1:901685，chr 1:901725，chr 1:901799 0.6009 0.6004 0.52 0.04
chr 1 946875 9475947091 4 chr 1:946875，chr 1:94686875，chr 1:946875，chr 1:892857.2192857，chr 1:892857，ch947018号，chr1:947091 0.9949 0.01 0.00
```
，这样我们就可以筛选哮喘。p值可以找到与哮喘相关的区域。
我，因此，它可以安装：
pip install aclust
致谢
===
这一想法摘自本文：
sofer，t.，schifano，e.d.，hoppin，j.a.，hou，l.，和baccarelli，a.（2013）。a-聚类：一种新的检测共调节甲基化区域和与暴露相关区域的方法。生物信息学，btt498。
示例使用pull请求实现python的statsmodels的gee：
https://github.com/statsmodels/statsmodels/pull/928
==
具有自定义距离和相关性的流聚合群集
*聚合群集*是一个非常简单的算法。
这里提供的函数“aclust”是对允许输入流的修改版本的一个简单实现的尝试，这样就不需要读取数据。一下子记住了。大多数聚类算法在一个相关矩阵上操作
，这对于高维
数据可能是不可行的。
BR/>‘ACLASTH’**依赖于一个支持接口（我知道，我知道）的
对象的流，以使调用方有一定的复杂性：
BR/> OBJ。距离（其他）&数字< BR/> OBJ。->；bool
虽然这确实添加了一些基础结构，但我们可以想象一个具有
位置和值属性的类，其中前者是一个整数，
后者是一个数值列表。然后，这些方法将被实现为：
def distance（self，other）：
return self.position-other.position
def is_correlated（self，other）：
return np.corrcef（self.values，other.values）[0，1]>；0.5
我们可以想象，距离可以返回两个字符串之间的levenshtein距离
，而is-correlated可以表示它们在同一个句子中或在具有相同情感的句子中的存在。
这对于像基因组数据这样的事情很重要，但是在文本中可能会少一些，在文本中可以将max\\u skip参数设置为一个大值来确定内存中保存了多少数据。
有关示例和选项，请参阅函数docstring。函数签名是：
aclust（object\\\\'u stream，max\'u dist，
max\'u skip=1，linkage='single'，多个成员=false）
默认值是仅允许将功能添加到与其相关的*最近*群集。
我们可以使用这个方法将每个cpg的一个测试（关联）的数量减少，
每个相关单元测试一次。
完整示例请参见：https://github.com/brentp/aclust/blob/master/examples/methylation-clustering-哮喘.py。
``````
chrom start-end n庘probes哮喘.pvalue哮喘.tstat哮喘。coef
chr1 566570 567501 8 chr1:566570，chr1:566731，chr1:567113，CHR1:567206，CHR1:567312，CHR1:56737348，CHR1:56737358，CHR1:567501 0.4566-0.74-0.74-0.06
CHR1 713985 714021 3 CHR1:713985，CHR1:7140112，CHR1:714021 0.7121 0.1185-1.56-0.13
CHR1 845810 846195，CHR1:845810，CHR1:846155，CHR1:846155，CHR1:846195 0.5913 0.5913 0.54 0.54 0.04
CHR1 848379 84847312，CHR1:56567312，CHR1:56767 8484847340，CHR1:848484848484848379，chr1:848409，chr1:848440 0.3399-0.95-0.06
chr1 854766 855046 7 chr1:854766，chr1:854824，chr1:854838，chr1:854918，chr1:854951，chr1:854966，chr1:855046 0.7482-0.32-0.02
chr1 870791 871546 8 chr1:870791，chr1:870810，chr1:870958，chr1:871033，chr1:871057，chr1:871308，chr1:871441，1:871546 0.2198-1.23-0.11
chr1 892857 892948892948 3 chr 1:892857，chr 1:892914，chr 1:892948 0.2502-1.15-0.05
chr 1 901062 901799 5 chr 1:901062，chr 1:901449，chr 1:901685，chr 1:901725，chr 1:901799 0.6009 0.6004 0.52 0.04
chr 1 946875 9475947091 4 chr 1:946875，chr 1:94686875，chr 1:946875，chr 1:892857.2192857，chr 1:892857，ch947018号，chr1:947091 0.9949 0.01 0.00
```
，这样我们就可以筛选哮喘。p值可以找到与哮喘相关的区域。
我，因此，它可以安装：
pip install aclust
致谢
===
这一想法摘自本文：
sofer，t.，schifano，e.d.，hoppin，j.a.，hou，l.，和baccarelli，a.（2013）。a-聚类：一种新的检测共调节甲基化区域和与暴露相关区域的方法。生物信息学，btt498。
示例使用pull请求实现python的statsmodels的gee：
https://github.com/statsmodels/statsmodels/pull/928
欢迎加入QQ群-->： 979659372
