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