通过包含最小散列（用于基因组数据集）快速准确地估计集合相似性。
CMash的Python项目详细描述
#CMASH公司 cmash是一种快速、准确地估计两个集合相似性的方法。这是一种概率数据分析方法，使用包含最小哈希。请参阅[相关文件]（http://www.biorxiv.org/content/early/2017/09/04/184150）了解更多详细信息（如果您使用，请注明）： >；通过包含索引改进最小散列及其在亚基因组分析中的应用 >；大卫·科斯利基，胡曼·扎贝蒂 BioXIV 184150；DOI:^ {A2}
##安装 最简单的安装方法是使用[virtualenv]（https://virtualenv.pypa.io/en/stable/）： `bash virtualenv CMashVE source CMashVE/bin/activate pip install -U pip pip install CMash ` 如果不想创建虚拟环境，也可以使用pip install CMash
要获得cmash的绝对最新版本，可以通过以下途径从github存储库构建： `bash virtualenv CMashVE source CMashVE/bin/activate pip install -U pip git clone https://github.com/dkoslicki/CMash.git cd CMash pip install -r requirements.txt `
注意，这个存储库中的python2和python3兼容，但是依赖项khmer在技术上需要python3（但是khmer版本2.1.1在python2中运行得很好。） 外部依赖项pytst需要python2，因此我将此设置为python2存储库。 ##用法 基本的范例是创建一个引用/训练数据库，形成一个bloom过滤器示例，然后查询数据库。
形成参考/培训数据库 假设您有三个引用fasta/q文件：ref1.fa、ref2.fa和ref3.fa在文件（这里称为FileNames.txt）中，放置指向fasta/q文件的绝对路径： `bash cat FileNames.txt # /abs/path/to/ref1.fa # /abs/path/to/ref2.fa # /abs/path/to/ref3.fa ` 然后，您可以通过以下方式创建培训数据库： `bash MakeDNADatabase.py FileNames.txt TrainingDatabase.h5 ` 有关形成数据库时的更多选项，请参见MakeDNADatabase.py -h。
####创建示例Bloom筛选器 给定一个（大）查询fasta/q文件Metagenome.fa，您可以选择通过MakeNodeGraph.py Metagenome.fa .创建bloom过滤器。 有关此函数的详细信息，请参见MakeNodeGraph.py -h。
严格来说，这一步是不必要的（因为如果您还没有创建nodegraph/bloom过滤器，下一步将自动形成一个nodegraph/bloom过滤器）。 不过，我已经提供了这个脚本，以防你想预先处理一堆元基因组。
####查询数据库 要获取查询文件Metagenome.fa中引用文件的包含和jaccard索引估计值，请使用类似于QueryDNADatabase.py Metagenome.fa TrainingDatabase.h5 Output.csv的内容。
有很多可用的选项：QueryDNADatabase.py -h。输出文件是一个csv文件，其中的行对应于ref1.fa、ref2.fa、和ref3.fa，列对应于包含索引估计、交叉基数和jaccard索引估计。
其他功能 模块MinHash（通过from CMash import MinHash as MH在python中导入）具有更多的功能，包括（但不限于！）以下内容： 一。快速更新培训数据库（通过help(MH.delete_from_database)，help(MH.insert_to_database)，help(MH.union_databases)） 2能够形成一个Jaccard索引矩阵（用于比较训练数据库中所有生物体的成对Jaccard索引）。这对于识别培训数据库中的冗余/模式/结构非常有用：help(MH.form_jaccard_count_matrix)和help(MH.form_jaccard_matrix)。 三。访问MinHash随机选择的k-mers（参见类CountEstimator和相关的_kmers数据结构）
我鼓励您浏览MinHash.py的源代码，并查看脚本。
蛋白质数据库（以及任意k长度字符串）即将推出…
欢迎加入QQ群-->： 979659372
