利用indra和pybel生成用于合理丰富bel图的固化表的包。
bel-enrichment的Python项目详细描述
用于生成固化片以合理地丰富bel图的包。
如果你觉得bel_enrichment对你的工作有用，请考虑引用[1]：
| [1] | Hoyt, C. T., et al (2019). Re-curation and Rational Enrichment of Knowledge Graphs in Biological Expression Language. Database, Volume 2019, 2019, baz068. |
此外，这个包还大量构建在indra[2]和pybel[3]之上。
安装
bel_enrichment可以使用以下命令从pypi安装：
$ pip install bel_enrichment
最新版本可以通过github安装：
$ pip install git+https://github.com/bel-enrichment/bel-enrichment.git
用法
基于给定的由pybel预先编译的bel图生成一个文件夹，其中充满了策展表。 使用--info-cutoff指定最小信息密度截止值。1.0表示节点没有边，.5表示 一边等等。使用--belief-cutoff指定indra中用于添加语句的最小信任分数 在床单上。越高的信念意味着一个声明越有可能是正确的。
$ bel-enrichment make_sheet zhang2011.bel --directory ~/Desktop/zhang-enrichment
根据Pybel预先编译的给定BEL图中的信息内容生成基因的排名。
$ bel-enrichment ranks zhang2011.bel
参考文献
| [2] | Gyori, B. M., et al. (2017). From word models to executable models of signaling networks using automated assembly. Molecular Systems Biology, 13(11), 954. |
| [3] | Hoyt, C. T., Konotopez, A., Ebeling, C., (2017). PyBEL: a computational framework for Biological Expression Language. Bioinformatics (Oxford, England), 34(4), 703–704. |
欢迎加入QQ群-->： 979659372
