预测cpg甲基化的深度学习
deepcpg的Python项目详细描述
========================================================================
DeepCpG: Deep neural networks for predicting single-cell DNA methylation
========================================================================
|Version| |License| |PyPI| |Docs| |DOI| |Tweet|
.. |版本图像：：https://img.shields.io/badge/python-2.7%2b%2c3.4%2b绿色.svg
：目标：https://www.python.org/
…|许可证图像：：https://img.shields.io/github/license/mashape/apistus.svg
：目标：https://github.com/cangermueller/deepcpg/tree/master/license
| pypi图像：：https://img.shields.io/badge/pypi latest orange.svg
：目标：https://pypi.python.org/pypi/deepcpg
……|文档图像：：https://img.shields.io/badge/docs up--date brightgreen.svg
：目标：http://deepcpg.readthedocs.io
…| doi image：：https://zenodo.org/badge/68630079.svg
：目标：https://zenodo.org/badge/latestdoi/68630079
| tweet图片：：https://img.shields.io/twitter/url/http/shields.io.svg？style=social
：目标：https://twitter.com/intent/tweet？text=checkout+%23deep cpg%3a+%23deeplearning+for+predicting+dna+甲基化%2c+%40cangermueller
deepcpg[1]\u是一个预测多细胞中cpg二核苷酸甲基化状态的深层神经网络。它允许准确地输入不完整的dna甲基化谱，发现预测性序列模体，并量化序列突变的影响。（`angermueller等人，2017<；http://dx.doi.org/10.1186/s13059-017-1189-z>；````.
**请帮助改进deepcpg**，报告错误、笔记本和文档中的打字错误，或任何关于如何使事情变得更好的想法。您可以提交"问题"https://github.com/cangermueller/deepcpg/issues>；``或向我发送"电子邮件"<；mailto:cangermueller@gmail.com>；`` `.
……图：docs/source/fig1.png
：width:640 px
：align:left
：alt:deepcpg model architecture and applications
**deepcpg model architecture and applications.*
（a\）从scbs seq或scrrbs seq获得的稀疏单细胞cpg简档。甲基化的cpg位点用1表示，非甲基化的cpg位点用0表示，问号表示甲基化状态未知的cpg位点（缺失数据）。（b）DeepCPG模型架构。dna模型由两个卷积层和汇集层组成，用于从局部序列上下文中识别预测性模体，以及一个完全连接的模体相互作用层。cpg模型使用双向门控递归网络（gru）扫描多个细胞（b中的行）的cpg邻域，在恒定大小的向量中产生压缩特征。联合模型学习来自DNA和CPG模型的高级特征之间的相互作用，以预测所有细胞中的甲基化状态。（c，d）训练的deepcpg模型可用于不同的下游分析，包括缺失cpg位点的全基因组估算（c）和与dna甲基化水平或细胞间变异性（d）相关的dna序列模体的发现。[1]Angermueller、Christof、Heather J.Lee、Wolf Reik和Oliver Stegle。*DeepCPG：使用深度学习准确预测单细胞DNA甲基化状态。*基因组生物学18（2017年4月11日）：67。doi:10.1186/s130959-017-1189-z.
==========
============================================================================================================================================
DeepCPG 1.0.7发布！
**180224**：发布了DeepCPG 1.0.6！
**171112**：Keras 2现在是Keras的主要版本（1.0.5版）。
**170412**：新的"笔记本电脑<；/examples/notebooks/stats/index.ipynb>；` ` `关于预测单元间的统计数据！
**170414**：添加了"dcpg_eval_perf.py<；/scripts/dcpg_eval_perf.py>；``和` dcpg_eval_perf.rmd<；/r/dcpg_eval_perf.rmd>；``用于评估和可视化预测性能！请在"this notebook<；/examples/notebooks/basics/index.ipynb""评估预测性能"中查找一个示例。
**170412**：新的"notebook<；/examples/notebooks/stats/index.ipynb>；``关于预测细胞间统计数据！
**170410**：新的"notebook<；/examples/notebooks/snp/index.ipynb>；``关于估计突变效应！
**170406**：所有"deepcpg脚本"的简短描述<；http://deepcpg.readthedocs.io/latest/scripts/index.html>；`！
**170404**：发布了关于创建和分析deepcpg数据的新指南<；http://deepcpg.readthedocs.io/latest/data.html>；`！
**170404**：连续数据培训，例如批量实验，现在"支持"<；http://deepcpg.readthedocs.io/latest/data.html>；`！
代码：：bash
pip安装deepcpg
代码：：bash
git克隆https://github.com/cangermueller/deepcpg.git
，然后使用"setup.py"安装deepcpg：
。代码：：bash
python setup.py install
Getting Started
=将每个细胞已知的CpG甲基化状态存储到一个标签删除文件中，列如下：
*染色体（不带chr）
*CpG位点在染色体上的位置以一个CpG位点的二元甲基化状态开始（0=非甲基化，1=甲基化）
exampleE:
…代码：
13000827 1.0
13001007 0.0
13001018 1.0
……
y 90829839 1.0
y 90829899 1.0
y 90829918 0.0
2.运行"dcpg_data.py"为deepcpg创建输入数据：
…代码：：bash
dcpg_data.py
--cpg_profiles./cpg/cell1.tsv./cpg/cell2.tsv./cpg/cell3.tsv
--dna_files./dna/mm10
--cpg_wlen 50
--dna轱len1001
--out轱dir./data
`./cpg/cell[123].tsv``存储步骤1中的甲基化数据，`./dna``包含dna数据库，例如"mm10<；http://ftp.ensembl.or g/pub/release-85/fasta/mus廑musculus/dna/>；``用于鼠标或"hg38<；http://ftp.ensembl.org/pub/release-86/fasta/homo廑人/dna/>；``用于人类，输出数据文件将存储在`./data`.
3。微调一个预先训练过的模型，或者用"dcpg_train.py"从头开始训练自己的模型：
…编码：bash
dcpg列车。py
./data/c{1,3,6,7,7,9}h5
--VALU数据。/data/c{13,14,15,16,17,18,19}h5
--dna模型cnnl2h128
--cpg模型rnnl1
--联合模型jointl2h512
--nb纪元30
--outu dir.
./data/data/c{-13,14,15,15,15,16,17,18,19}h5
--br/>--dna模型cnnl2h128
--dna模型cnnl2h128
--/>
此命令使用chromosomES 1-3用于培训，10-13用于验证。``——DNA模型````--CPG模型``和``--Joint模型``分别指定了CPG、DNA和Joint模型的体系结构（详见手稿）。培训将在最多30个阶段后停止，模型文件将存储在`./model``.
4中。使用"dcpg_eval.py"来估算甲基化谱并评估模型性能。代码：：bash
dcpg_eval.py
./data/*.h5
--model_文件/model/model.json./model/model_weights_val.h5
--out_数据/eval/data.h5
--out_报告/eval/report.tsv
n使用已知甲基化状态的性能。预测状态将存储在`./eval/data.h5``中，性能指标存储在`./eval/report.tsv``.
5中。将估算的甲基化简档导出到HDF5或床图文件：
…代码：：bash
dcpg_eval_export.py
./eval/data.h5
-o./eval/hdf
-f hdf
你可以在`/examples<；examples/readme.md>；``中找到关于如何使用deepcpg的示例笔记本和脚本。r用于下游分析的脚本和rmarkdown文件存储在`/r<；r/readme.md>；` `.
文档
==
the`deepcpg documentation<；http://deepcpg.readthedocs.io>；` ` `中提供了有关培训、超参数选择和模型架构的信息是的。
model zoo
=使用"dcpg_data.py"时？**
这意味着`--cpg_profile``文件中的某些位点不是cpg位点，即在dna序列中的给定位置没有cg二核苷酸。确保"dna文件"指向正确的基因组和cpg位点正确对齐。由于deepcpg目前不支持等位基因特异性甲基化，因此必须合并（推荐）来自不同等位基因的数据，或者只使用一个等位基因。
**如何在一个或多个gpu上训练模型？**BR/> Debug Cpg使用'Kalas＆Lt:http://Kalas.IO & Gt；''深度学习库]，它支持"TeaNo.lt；http://深度学习".NET/Studio/TeaNo//Gt；``或'TunSorFort＆Lt:http://www. TorsForth.org/gt；`'作为后端。如果您使用tensorflow，deepcpg将在所有可用的gpu上自动运行。如果使用的是ano，则必须在"theano_flags"环境变量中设置标志"device=gpu"。
…代码：：bash
nt
==
*``/deepcpg/``：源代码
*``/docs`：文档
*``/examples/``：如何使用deepcpg的示例
*``/r``:r脚本和rmarkdown文件用于下游分析
*`/script/``：可执行的deepcpg脚本
*`/tests`：测试文件
>1.0.7
-
-
*增加对keras的支持>；=2.2.0.
>1.0.6
-
-
*增加对keras 2.1.4和tensorflow 1.5.0的支持
*小错误修复。
<1.0.4.4.4.0.=2.1.1.1.1.1.1.4.4.4和tensorflow 1.5.0.0<
----
添加评估脚本s和笔记本，改进文档，并修复小错误。
+添加"dcpg eval_perf.py<；http://deepcpg.readthedocs.io/en/latest/scripts/index.html"module scripts.dcpg eval_perf>；``和r标记文件，用于计算和可视化全基因组和带注释的内容中的性能指标xts.
+添加"dcpg_snp.py<；http://deepcpg.readthedocs.io/en/latest/scripts/index.html"模块脚本.dcpg_snp>；``用于计算突变效果。
+添加有关计算突变效果和预测细胞间统计的笔记本。
+添加"deepcpg脚本"文档<；http://deepcpg.readthedocs.io/latest/scripts/index.html>；`.
+添加集成测试。
+包括小错误修复。
>1.0.3
----
扩展``dcpg_data.py``，更新文档并修复小错误。
+扩展``dcpg_data.py``以支持bedGraph和tsv输入文件s.
+启用关于连续甲基化状态的培训。
+添加关于创建和分析数据的"文档"lt；http://deepcpg.readthedocs.io/en/latest/data.html data>；``。
+更新"脚本"文档lt；http://deepcpg.readthedocs.io/en/latest/scripts/index.html和"图书馆<；http://deepcpg.readthedocs.io/en/最新/lib/index.html；library>；` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `<
联系
===
==
*christof angermuueller
*christof angermuueller
*cangermuueller@gmail.com
*https://cangermuueller.com
=>>*` ` ` ` ` ` ` ` ` ` ` ` ` ` `br/>
DeepCpG: Deep neural networks for predicting single-cell DNA methylation
========================================================================
|Version| |License| |PyPI| |Docs| |DOI| |Tweet|
.. |版本图像：：https://img.shields.io/badge/python-2.7%2b%2c3.4%2b绿色.svg
：目标：https://www.python.org/
…|许可证图像：：https://img.shields.io/github/license/mashape/apistus.svg
：目标：https://github.com/cangermueller/deepcpg/tree/master/license
| pypi图像：：https://img.shields.io/badge/pypi latest orange.svg
：目标：https://pypi.python.org/pypi/deepcpg
……|文档图像：：https://img.shields.io/badge/docs up--date brightgreen.svg
：目标：http://deepcpg.readthedocs.io
…| doi image：：https://zenodo.org/badge/68630079.svg
：目标：https://zenodo.org/badge/latestdoi/68630079
| tweet图片：：https://img.shields.io/twitter/url/http/shields.io.svg？style=social
：目标：https://twitter.com/intent/tweet？text=checkout+%23deep cpg%3a+%23deeplearning+for+predicting+dna+甲基化%2c+%40cangermueller
deepcpg[1]\u是一个预测多细胞中cpg二核苷酸甲基化状态的深层神经网络。它允许准确地输入不完整的dna甲基化谱，发现预测性序列模体，并量化序列突变的影响。（`angermueller等人，2017<；http://dx.doi.org/10.1186/s13059-017-1189-z>；````.
**请帮助改进deepcpg**，报告错误、笔记本和文档中的打字错误，或任何关于如何使事情变得更好的想法。您可以提交"问题"https://github.com/cangermueller/deepcpg/issues>；``或向我发送"电子邮件"<；mailto:cangermueller@gmail.com>；`` `.
……图：docs/source/fig1.png
：width:640 px
：align:left
：alt:deepcpg model architecture and applications
**deepcpg model architecture and applications.*
（a\）从scbs seq或scrrbs seq获得的稀疏单细胞cpg简档。甲基化的cpg位点用1表示，非甲基化的cpg位点用0表示，问号表示甲基化状态未知的cpg位点（缺失数据）。（b）DeepCPG模型架构。dna模型由两个卷积层和汇集层组成，用于从局部序列上下文中识别预测性模体，以及一个完全连接的模体相互作用层。cpg模型使用双向门控递归网络（gru）扫描多个细胞（b中的行）的cpg邻域，在恒定大小的向量中产生压缩特征。联合模型学习来自DNA和CPG模型的高级特征之间的相互作用，以预测所有细胞中的甲基化状态。（c，d）训练的deepcpg模型可用于不同的下游分析，包括缺失cpg位点的全基因组估算（c）和与dna甲基化水平或细胞间变异性（d）相关的dna序列模体的发现。[1]Angermueller、Christof、Heather J.Lee、Wolf Reik和Oliver Stegle。*DeepCPG：使用深度学习准确预测单细胞DNA甲基化状态。*基因组生物学18（2017年4月11日）：67。doi:10.1186/s130959-017-1189-z.
==========
============================================================================================================================================
DeepCPG 1.0.7发布！
**180224**：发布了DeepCPG 1.0.6！
**171112**：Keras 2现在是Keras的主要版本（1.0.5版）。
**170412**：新的"笔记本电脑<；/examples/notebooks/stats/index.ipynb>；` ` `关于预测单元间的统计数据！
**170414**：添加了"dcpg_eval_perf.py<；/scripts/dcpg_eval_perf.py>；``和` dcpg_eval_perf.rmd<；/r/dcpg_eval_perf.rmd>；``用于评估和可视化预测性能！请在"this notebook<；/examples/notebooks/basics/index.ipynb""评估预测性能"中查找一个示例。
**170412**：新的"notebook<；/examples/notebooks/stats/index.ipynb>；``关于预测细胞间统计数据！
**170410**：新的"notebook<；/examples/notebooks/snp/index.ipynb>；``关于估计突变效应！
**170406**：所有"deepcpg脚本"的简短描述<；http://deepcpg.readthedocs.io/latest/scripts/index.html>；`！
**170404**：发布了关于创建和分析deepcpg数据的新指南<；http://deepcpg.readthedocs.io/latest/data.html>；`！
**170404**：连续数据培训，例如批量实验，现在"支持"<；http://deepcpg.readthedocs.io/latest/data.html>；`！
代码：：bash
pip安装deepcpg
代码：：bash
git克隆https://github.com/cangermueller/deepcpg.git
，然后使用"setup.py"安装deepcpg：
。代码：：bash
python setup.py install
Getting Started
=将每个细胞已知的CpG甲基化状态存储到一个标签删除文件中，列如下：
*染色体（不带chr）
*CpG位点在染色体上的位置以一个CpG位点的二元甲基化状态开始（0=非甲基化，1=甲基化）
exampleE:
…代码：
13000827 1.0
13001007 0.0
13001018 1.0
……
y 90829839 1.0
y 90829899 1.0
y 90829918 0.0
2.运行"dcpg_data.py"为deepcpg创建输入数据：
…代码：：bash
dcpg_data.py
--cpg_profiles./cpg/cell1.tsv./cpg/cell2.tsv./cpg/cell3.tsv
--dna_files./dna/mm10
--cpg_wlen 50
--dna轱len1001
--out轱dir./data
`./cpg/cell[123].tsv``存储步骤1中的甲基化数据，`./dna``包含dna数据库，例如"mm10<；http://ftp.ensembl.or g/pub/release-85/fasta/mus廑musculus/dna/>；``用于鼠标或"hg38<；http://ftp.ensembl.org/pub/release-86/fasta/homo廑人/dna/>；``用于人类，输出数据文件将存储在`./data`.
3。微调一个预先训练过的模型，或者用"dcpg_train.py"从头开始训练自己的模型：
…编码：bash
dcpg列车。py
./data/c{1,3,6,7,7,9}h5
--VALU数据。/data/c{13,14,15,16,17,18,19}h5
--dna模型cnnl2h128
--cpg模型rnnl1
--联合模型jointl2h512
--nb纪元30
--outu dir.
./data/data/c{-13,14,15,15,15,16,17,18,19}h5
--br/>--dna模型cnnl2h128
--dna模型cnnl2h128
--/>
此命令使用chromosomES 1-3用于培训，10-13用于验证。``——DNA模型````--CPG模型``和``--Joint模型``分别指定了CPG、DNA和Joint模型的体系结构（详见手稿）。培训将在最多30个阶段后停止，模型文件将存储在`./model``.
4中。使用"dcpg_eval.py"来估算甲基化谱并评估模型性能。代码：：bash
dcpg_eval.py
./data/*.h5
--model_文件/model/model.json./model/model_weights_val.h5
--out_数据/eval/data.h5
--out_报告/eval/report.tsv
n使用已知甲基化状态的性能。预测状态将存储在`./eval/data.h5``中，性能指标存储在`./eval/report.tsv``.
5中。将估算的甲基化简档导出到HDF5或床图文件：
…代码：：bash
dcpg_eval_export.py
./eval/data.h5
-o./eval/hdf
-f hdf
你可以在`/examples<；examples/readme.md>；``中找到关于如何使用deepcpg的示例笔记本和脚本。r用于下游分析的脚本和rmarkdown文件存储在`/r<；r/readme.md>；` `.
文档
==
the`deepcpg documentation<；http://deepcpg.readthedocs.io>；` ` `中提供了有关培训、超参数选择和模型架构的信息是的。
model zoo
=使用"dcpg_data.py"时？**
这意味着`--cpg_profile``文件中的某些位点不是cpg位点，即在dna序列中的给定位置没有cg二核苷酸。确保"dna文件"指向正确的基因组和cpg位点正确对齐。由于deepcpg目前不支持等位基因特异性甲基化，因此必须合并（推荐）来自不同等位基因的数据，或者只使用一个等位基因。
**如何在一个或多个gpu上训练模型？**BR/> Debug Cpg使用'Kalas＆Lt:http://Kalas.IO & Gt；''深度学习库]，它支持"TeaNo.lt；http://深度学习".NET/Studio/TeaNo//Gt；``或'TunSorFort＆Lt:http://www. TorsForth.org/gt；`'作为后端。如果您使用tensorflow，deepcpg将在所有可用的gpu上自动运行。如果使用的是ano，则必须在"theano_flags"环境变量中设置标志"device=gpu"。
…代码：：bash
nt
==
*``/deepcpg/``：源代码
*``/docs`：文档
*``/examples/``：如何使用deepcpg的示例
*``/r``:r脚本和rmarkdown文件用于下游分析
*`/script/``：可执行的deepcpg脚本
*`/tests`：测试文件
>1.0.7
-
-
*增加对keras的支持>；=2.2.0.
>1.0.6
-
-
*增加对keras 2.1.4和tensorflow 1.5.0的支持
*小错误修复。
<1.0.4.4.4.0.=2.1.1.1.1.1.1.4.4.4和tensorflow 1.5.0.0<
----
添加评估脚本s和笔记本，改进文档，并修复小错误。
+添加"dcpg eval_perf.py<；http://deepcpg.readthedocs.io/en/latest/scripts/index.html"module scripts.dcpg eval_perf>；``和r标记文件，用于计算和可视化全基因组和带注释的内容中的性能指标xts.
+添加"dcpg_snp.py<；http://deepcpg.readthedocs.io/en/latest/scripts/index.html"模块脚本.dcpg_snp>；``用于计算突变效果。
+添加有关计算突变效果和预测细胞间统计的笔记本。
+添加"deepcpg脚本"文档<；http://deepcpg.readthedocs.io/latest/scripts/index.html>；`.
+添加集成测试。
+包括小错误修复。
>1.0.3
----
扩展``dcpg_data.py``，更新文档并修复小错误。
+扩展``dcpg_data.py``以支持bedGraph和tsv输入文件s.
+启用关于连续甲基化状态的培训。
+添加关于创建和分析数据的"文档"lt；http://deepcpg.readthedocs.io/en/latest/data.html data>；``。
+更新"脚本"文档lt；http://deepcpg.readthedocs.io/en/latest/scripts/index.html和"图书馆<；http://deepcpg.readthedocs.io/en/最新/lib/index.html；library>；` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` ` `<
联系
===
==
*christof angermuueller
*christof angermuueller
*cangermuueller@gmail.com
*https://cangermuueller.com
=>>*` ` ` ` ` ` ` ` ` ` ` ` ` ` `br/>
欢迎加入QQ群-->： 979659372
