网络分析中关联汇总统计的连续集成
cimr的Python项目详细描述
****
cimr
****
***************************************
cimr is not yet released for public use
***************************************
================================================================================
continuous integration an使用变量关联汇总统计进行分析使用变量关联汇总统计进行分析
============================================================================================================================>
=======================================================<；https://github.com/greenelab/cimr>；`
`问题&；ideas<；https://github.com/greenelab/cimr/issues>；`
`文档<；https://cimr.readthedocs.io>；`
`cimr-d<；https://github.com/greenelab/cimr-d>；`
cimr是一个方便的工具，用于连续分析gwa基于变量的关联结果。s（全基因组关联研究）、eqtl
（表达数量性状位点定位）或其他关联研究。
cimr最初是一个python模块，用于运行大规模孟德尔随机化分析（因此得名）。随着项目的发展，越来越明显的是，在分析之前有许多部分需要管道。因此，cimr的当前体现旨在简化
预分析处理步骤，提供标准化的输入文件，并编写
示例脚本，以便无缝地运行各种下游方法。
==
==
-
安装python需要python:math:`\ge`3.6。建议安装数据分析捆绑包
，如"miniconda<；https://conda.io/miniconda.html>；``或
"anaconda<；https://www.anaconda.com/download/>；``等，并将
安装cimr所依赖的所有python包。但是，所有必需的python
软件包都可以下载并安装在setup.py或requirements.txt
此处提供。
----
<；https://git lfs.github.com/>；`。
请参阅如何安装"git<；https://www.atlassian.com/git/tutorials/install git>；` `.
Git LFS不需要在没有CIMR-D的情况下作为独立工具使用CIMR。
要在ubuntu上安装Git LFS，请运行：
>；>；curl-s https://packagecloud.io/install/repositories/github/git lfs/script.deb.sh sudo bash
>；>；sudo apt get install-y git git lfs
>；>；git lfs install
-——————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————————t>>>git clone https://github.com/greenelab/cimr.git
>；>cd cimr
>；>python3 setup.py build
>；>python3 setup.py install
======
===>>>>>>>>>>>>>>>>>>>>>>>>>>>>>=
>>>>>>>>=>>>>>=>>>>>>>>==--——
关联摘要统计文件的质量保证和处理
——`
用于处理用于下游分析的汇总统计文件。
来自gwas、eqtl和其他类似研究的y统计。
cimr目前期望hg20/grch38参考用于基因组位置映射。
但是，如果使用以下命令更新，则可以使用映射到hg19/grch37的变体：
>；cimr处理器--数据类型{datatype}--文件名{filename}--更新映射
关联摘要统计文件的in g列应为：
gene:gene id，格式为ensembl
rsnum:rs变量的id
常量id:chromosome\u position\u referenceallele\u alternateallele\u genomebuild
例如chr2\u 128747549\u g t\u hg19
inc等位基因：等位基因wi估计哪种变异的效应大小
inc-afrq:inc-afrq的等位基因频率
beta:beta系数估计变异的关联效应
se:beta的标准误差
pval:beta估计的p值
TL输入文件示例：
gene-id-rsnum-constant-id-inc-u-allee-inc-u-afrq-beta-se-pval
gpr17-rs17262104-chr2-u-128747549-u-g-g-g-g-g 0.06457-0.73698-0.11432743-5.5415e-10
--——
贡献cimr-d代码或资源"这里"<；https://github.com/greenelab/cimr-d>；` `.
提供指南"这里"<；https://github.com/greenelab/cimr-d/contribution.md>；` `.
贡献cimr代码或资源"这里"<；https://github.com/greenelab/cimr>；`.
指南在这里提供`；https://github.com/greenelab/cimr/contribution.md>；`.
欢迎加入QQ群-->： 979659372
