分析患者队列中突变和新表位的实用程序
cohorts的Python项目详细描述
| pypi构建状态覆盖状态
队列
=
队列是分析和绘制患者队列中临床数据、突变
和新表位的库。
它调用外部库，如
`topiary<；https://github.com/hammerlab/topiary>；。`__并缓存
结果以便于操作。
队列需要python 3（3.3+）。我们不再保持与python 2的兼容性。有关上下文，请参见此"python 3
语句<；www.python3statement.org>；` `.
代码：：bash
-出处：跟踪给定分析的世界状态（包和数据版本）
聚合函数：内置函数，如
"错义snv计数"、"新抗原计数"、"表达新抗原计数"或创建自己的函数。通过"生命线"的rvival曲线，反应/无反应
曲线（用mann-whitney和fisher的精确结果），roc曲线。
示例：``队列。曲线图生存（on=错义snv计数，how="pfs"）`。
-过滤：过滤变量/效应/新抗原的集合，例如变量统计。
-预先定义要使用的数据集。示例：
``队列.作为数据帧（使用=["tcr"，"pdl1"]）`.
此外，其他几个库还使用``队列`：\*
`pygdc<；http://github.com/hammerlab/pygdc>；``查询tcga<；http://github.com/jburos/query-tcga>；``uu
---
开始使用队列的一种方法是使用它来分析TCGA数据。
代码：：python
project_data dir="data"）
…代码：：python
from courts.functions import snv_count
blca_courst.plot_survity（snv_count，how='os'，threshold='median'）
，它应该生成包含此绘图的结果摘要：
。图：：docs/survival_plot_example.png
：alt:survival plot example
survival plot example
我们也可以使用"plot_benefit（）"来总结os>；12mo
，而不是survival:
。代码：：python
blca_-court.plot_-benefit（snv_-count）
图：：docs/benefit_plot_example.png
：alt:benefit plot example
benefit plot example
请参阅"快速入门"笔记本中的完整示例<；http://nbviewer.jupyter.org/github/hammerlab/tcga blca/blob/master/quick start%20-%20使用%20cours%20与%20tcga%20data.ipynb>；``从头开始的建筑代码：：python
patient_1=patient（
id="patient_1"，
os=70，
pfs=24，
decade=true，
progressed=true，
benefit=false
patient_2=patient（
id="patient_2"，
os=100，
死亡=假，
进展=真，
受益=假
）
队列=队列（
患者=[患者1，患者2]，
缓存目录="/哪里/队列/结果/获取/保存"
队列。绘制生存（on="os"）
编码：：python
>样本肿瘤=样本肿瘤（
>样本肿瘤=真，
>bam路径/path/to/dna/bam，
>bam路径/path/to/rna/bam，
>患者1=患者（
>id="患者1"，
snv vcf路径=[[/where/my/mutect/vcf/vcf/live，
>
"/地点/my/strelka/vcfs/live"]
索引vcfs路径=[…]，
肿瘤样本=肿瘤样本，
…
）队列=队列（
…
患者=[患者1]
）
| pypi图像：：https://img.shields.io/pypi/v/cohorts.svg？最大值=21600
：目标值：
…|构建状态图像：：https://travis-ci.org/hammerlab/cohorts.svg？branch=master
：目标：https://travis ci.org/hammerlab/cohorts
…|覆盖状态图像：：https://coveralls.io/repos/hammerlab/courts/badge.svg？branch=master&service=github
：目标：https://coveralls.io/github/hammerlab/courts？分支=主
队列
=
队列是分析和绘制患者队列中临床数据、突变
和新表位的库。
它调用外部库，如
`topiary<；https://github.com/hammerlab/topiary>；。`__并缓存
结果以便于操作。
队列需要python 3（3.3+）。我们不再保持与python 2的兼容性。有关上下文，请参见此"python 3
语句<；www.python3statement.org>；` `.
代码：：bash
-出处：跟踪给定分析的世界状态（包和数据版本）
聚合函数：内置函数，如
"错义snv计数"、"新抗原计数"、"表达新抗原计数"或创建自己的函数。通过"生命线"的rvival曲线，反应/无反应
曲线（用mann-whitney和fisher的精确结果），roc曲线。
示例：``队列。曲线图生存（on=错义snv计数，how="pfs"）`。
-过滤：过滤变量/效应/新抗原的集合，例如变量统计。
-预先定义要使用的数据集。示例：
``队列.作为数据帧（使用=["tcr"，"pdl1"]）`.
此外，其他几个库还使用``队列`：\*
`pygdc<；http://github.com/hammerlab/pygdc>；``查询tcga<；http://github.com/jburos/query-tcga>；``uu
---
开始使用队列的一种方法是使用它来分析TCGA数据。
代码：：python
project_data dir="data"）
…代码：：python
from courts.functions import snv_count
blca_courst.plot_survity（snv_count，how='os'，threshold='median'）
，它应该生成包含此绘图的结果摘要：
。图：：docs/survival_plot_example.png
：alt:survival plot example
survival plot example
我们也可以使用"plot_benefit（）"来总结os>；12mo
，而不是survival:
。代码：：python
blca_-court.plot_-benefit（snv_-count）
图：：docs/benefit_plot_example.png
：alt:benefit plot example
benefit plot example
请参阅"快速入门"笔记本中的完整示例<；http://nbviewer.jupyter.org/github/hammerlab/tcga blca/blob/master/quick start%20-%20使用%20cours%20与%20tcga%20data.ipynb>；``从头开始的建筑代码：：python
patient_1=patient（
id="patient_1"，
os=70，
pfs=24，
decade=true，
progressed=true，
benefit=false
patient_2=patient（
id="patient_2"，
os=100，
死亡=假，
进展=真，
受益=假
）
队列=队列（
患者=[患者1，患者2]，
缓存目录="/哪里/队列/结果/获取/保存"
队列。绘制生存（on="os"）
编码：：python
>样本肿瘤=样本肿瘤（
>样本肿瘤=真，
>bam路径/path/to/dna/bam，
>bam路径/path/to/rna/bam，
>患者1=患者（
>id="患者1"，
snv vcf路径=[[/where/my/mutect/vcf/vcf/live，
>
"/地点/my/strelka/vcfs/live"]
索引vcfs路径=[…]，
肿瘤样本=肿瘤样本，
…
）队列=队列（
…
患者=[患者1]
）
| pypi图像：：https://img.shields.io/pypi/v/cohorts.svg？最大值=21600
：目标值：
…|构建状态图像：：https://travis-ci.org/hammerlab/cohorts.svg？branch=master
：目标：https://travis ci.org/hammerlab/cohorts
…|覆盖状态图像：：https://coveralls.io/repos/hammerlab/courts/badge.svg？branch=master&service=github
：目标：https://coveralls.io/github/hammerlab/courts？分支=主
欢迎加入QQ群-->： 979659372
