与iedb和其他免疫表位数据的python接口
epitopes的Python项目详细描述
表位
==
计算免疫学的一个重要方面是模拟[肽]的特性（http://en.wikipedia.org/wiki/peptide）（氨基酸短串）。肽可以作为子串[剪切]（http://en.wikipedia.org/wiki/proteopolysis）从更大的蛋白质中产生，自然产生的[小蛋白质]（http://en.wikipedia.org/wiki/alpha amanitin），或者被[合成]（micchm01.u.hpc.mssm.edu/dashboard/accounts/activate/e2b4804ac4d7e59dcff89a474d1971b8a36dff77/
）用于治疗目的。
做出有用的预测（即“疫苗中应该含有哪些肽？”）我们需要将肽的组合空间划分为[表位]（http://en.wikipedia.org/wiki/depitepe）和非表位（肽是由[mhc分子]（http://en.wikipedia.org/wiki/major\u histocompatibility）呈现的吗？）或[免疫原性]（http://en.wikipedia.org/wiki/immunogenicity）与非免疫原性（do[白细胞]（http://en.wikipedia.org/wiki/lyclets）应答？）捕捉这种区别的一种方法是收集大量有关肽的数据，并利用这些数据建立其免疫特性的统计模型。这个库通过向常用的免疫学和生物信息学数据集提供简单的python/numpy/pandas接口来帮助您构建这样的模型。
**数据源**
-`iedb`:[免疫表位数据库]（http://www.iedb.org）。mhc结合和t细胞/b细胞反应的大量表位分析结果
-`tcga'：从[tcga]提取的变异肽子串（http://en.wikipedia.org/wiki/the_cancer_genome_atlas）跨所有癌症类型的突变
-`reference'：从[human reference protein]提取的肽子串序列]（ftp://ftp.ensembl.org/pub/release-75/fasta/homo-sapiens/pep/）
-`imma2`:tung等人使用的imma2表位免疫原性与非免疫原性数据集。用于评估[popisk]（http://www.biomedcentral.com/1471-2105/12/446）免疫原性预测因子
-`calis`:calis等人的[mhcⅠ类的特性提出了增强免疫原性的肽]中使用的两个数据集（http://www.ploscopbiol.org/article/info%3adoi%2f10.1371%2fjournal.pcbi.1003266\pcbi.1003266.s005）
-`hpv`:[人类乳头瘤病毒T细胞抗原数据库（http://cvc.dfcc.dvcI.C.CVCGIG/HPV/]）：[动物毒素数据库]的毒性蛋白序列（http://PurcCim.HunnU.EdU.CN./毒素/）-BR/> -'DANAFARBER ]：[ Dana Farber医学免疫学知识库]（http://Biop.dfcI.Hual.EdU/DFRMLI）/
-T-抗原：[肿瘤T细胞抗原]数据库]（http://cvc.dfci.harvard.edu/tadb/）
-`hiv-frahm`：不同人种对hiv抗原表位的反应（来自[lanl-hiv数据库]（http://www.hiv.lanl.gov/content/immunology/hlatem/study1/index.html））
-`cri-tumor-antigenses`：来自[cancer-immunity]的肿瘤相关肽（http://cancerimmunity.org/peptide/transitions/）
-` Fritsch_新表位`：Fritsch等人的突变和野生型肿瘤表位。[人类肿瘤新表位的hla结合特性]（http://cancerimmunolres.aacrjournals.org/content/early/2014/03/01/2326-6066.cir-13-0227.abstract）
计划：
-`bcipep`:[b-细胞表位]（http://www.imtech.res.in/raghava/bcipep/data.html）
表位，则只需要两个函数：
-`load撸uzzle`：返回一组氨基酸串
-`load撸uzzle撸rams`：数组，其行是转换成n-gram向量空间的氨基酸。
如果数据集包含有关表位的附加数据（如hla-u型或源蛋白）：
-`load-wuzzle`：返回带有表位字符串和附加属性的数据帧
-`load-wuzzle`：表位氨基酸字符串集
-`load-wuzzle`grams`：行是转换成n-gram向量的氨基酸的数组空间。
ssay results），则应提供以下函数：
-`load_wuzzle`：从“wuzzle”数据集中加载所有可用的数据（通过“mhc_class”等选项筛选）。
-`加载初值'：按表位字符串对数据集进行分组，并将每个表位与阳性结果的百分比相关联。
-`加载初吻类'：将表位分成正类和负类，为每个表位返回一组字符串。
-`加载口吻`：将氨基酸串表示（或一些简化的字母表）转换成n克频率的向量，返回一对sklearn兼容的`（样本、标签）`数组。
==
计算免疫学的一个重要方面是模拟[肽]的特性（http://en.wikipedia.org/wiki/peptide）（氨基酸短串）。肽可以作为子串[剪切]（http://en.wikipedia.org/wiki/proteopolysis）从更大的蛋白质中产生，自然产生的[小蛋白质]（http://en.wikipedia.org/wiki/alpha amanitin），或者被[合成]（micchm01.u.hpc.mssm.edu/dashboard/accounts/activate/e2b4804ac4d7e59dcff89a474d1971b8a36dff77/
）用于治疗目的。
做出有用的预测（即“疫苗中应该含有哪些肽？”）我们需要将肽的组合空间划分为[表位]（http://en.wikipedia.org/wiki/depitepe）和非表位（肽是由[mhc分子]（http://en.wikipedia.org/wiki/major\u histocompatibility）呈现的吗？）或[免疫原性]（http://en.wikipedia.org/wiki/immunogenicity）与非免疫原性（do[白细胞]（http://en.wikipedia.org/wiki/lyclets）应答？）捕捉这种区别的一种方法是收集大量有关肽的数据，并利用这些数据建立其免疫特性的统计模型。这个库通过向常用的免疫学和生物信息学数据集提供简单的python/numpy/pandas接口来帮助您构建这样的模型。
**数据源**
-`iedb`:[免疫表位数据库]（http://www.iedb.org）。mhc结合和t细胞/b细胞反应的大量表位分析结果
-`tcga'：从[tcga]提取的变异肽子串（http://en.wikipedia.org/wiki/the_cancer_genome_atlas）跨所有癌症类型的突变
-`reference'：从[human reference protein]提取的肽子串序列]（ftp://ftp.ensembl.org/pub/release-75/fasta/homo-sapiens/pep/）
-`imma2`:tung等人使用的imma2表位免疫原性与非免疫原性数据集。用于评估[popisk]（http://www.biomedcentral.com/1471-2105/12/446）免疫原性预测因子
-`calis`:calis等人的[mhcⅠ类的特性提出了增强免疫原性的肽]中使用的两个数据集（http://www.ploscopbiol.org/article/info%3adoi%2f10.1371%2fjournal.pcbi.1003266\pcbi.1003266.s005）
-`hpv`:[人类乳头瘤病毒T细胞抗原数据库（http://cvc.dfcc.dvcI.C.CVCGIG/HPV/]）：[动物毒素数据库]的毒性蛋白序列（http://PurcCim.HunnU.EdU.CN./毒素/）-BR/> -'DANAFARBER ]：[ Dana Farber医学免疫学知识库]（http://Biop.dfcI.Hual.EdU/DFRMLI）/
-T-抗原：[肿瘤T细胞抗原]数据库]（http://cvc.dfci.harvard.edu/tadb/）
-`hiv-frahm`：不同人种对hiv抗原表位的反应（来自[lanl-hiv数据库]（http://www.hiv.lanl.gov/content/immunology/hlatem/study1/index.html））
-`cri-tumor-antigenses`：来自[cancer-immunity]的肿瘤相关肽（http://cancerimmunity.org/peptide/transitions/）
-` Fritsch_新表位`：Fritsch等人的突变和野生型肿瘤表位。[人类肿瘤新表位的hla结合特性]（http://cancerimmunolres.aacrjournals.org/content/early/2014/03/01/2326-6066.cir-13-0227.abstract）
计划：
-`bcipep`:[b-细胞表位]（http://www.imtech.res.in/raghava/bcipep/data.html）
表位，则只需要两个函数：
-`load撸uzzle`：返回一组氨基酸串
-`load撸uzzle撸rams`：数组，其行是转换成n-gram向量空间的氨基酸。
如果数据集包含有关表位的附加数据（如hla-u型或源蛋白）：
-`load-wuzzle`：返回带有表位字符串和附加属性的数据帧
-`load-wuzzle`：表位氨基酸字符串集
-`load-wuzzle`grams`：行是转换成n-gram向量的氨基酸的数组空间。
ssay results），则应提供以下函数：
-`load_wuzzle`：从“wuzzle”数据集中加载所有可用的数据（通过“mhc_class”等选项筛选）。
-`加载初值'：按表位字符串对数据集进行分组，并将每个表位与阳性结果的百分比相关联。
-`加载初吻类'：将表位分成正类和负类，为每个表位返回一组字符串。
-`加载口吻`：将氨基酸串表示（或一些简化的字母表）转换成n克频率的向量，返回一对sklearn兼容的`（样本、标签）`数组。
欢迎加入QQ群-->： 979659372
