甲基化预测的模块化深度学习方法。
methylnet的Python项目详细描述
甲基网
甲基化深度学习
methylnet是一个命令行工具和python库，它提供类来处理甲基化数据的深层学习任务。它建立在（https://github.com/Christensen-Lab-Dartmouth/PyMethylProcess）中引入的pythonic甲基化射线数据类型的基础上，并使用pytorch来探索/预测甲基化数据。
https://www.biorxiv.org/content/10.1101/692665v1
帮助文档：https://christensen-lab-dartmouth.github.io/MethylNet/
甲基网可以做什么：
- 通过超参数和神经网络拓扑网格搜索训练变分自编码（vae）提取dna甲基化潜空间。
2.对甲基化数据（如年龄、细胞类型比例和疾病状态）进行分类、单输出和多输出回归预测。这是在转移学习vae拓扑和超参数神经网络拓扑网格搜索之后完成的。
三。使用shap查找最重要的预测cpg，解释个人和加积类级别的预测。
四。使用流行的管道（如lola、gometh、gsea）查询这些提取的cpg，并将cpg与其他已知的cpg集合重叠。此外，顶部的cpg集合与其他预测的cpg重叠。
注意：图像将被更新以反映最新的methylnet命令集。
methylnet目前正在审查中，wiki页面正在进行中。可以在：https://www.biorxiv.org/content/10.1101/692665v1
访问BioXIV。帮助文档：https://christensen-lab-dartmouth.github.io/MethylNet/
install（强烈建议使用conda，但可以使用docker）：
- conda create-n methylnet python=3.6
- 源激活甲基网
- 有关pymethylprocess的安装说明，请参见https://github.com/Christensen-Lab-Dartmouth/PyMethylProcess
- Conda安装Pythorch TorchVision-c Pythorch
- pip安装methylnet
- 替代安装：克隆此存储库并运行python setup.py sdist bdist戋u wheel&；pip install dist/methylnet-0.1.tar.gz
- 为GSEA集合运行：下载帮助数据
- 备选docker安装：docker pull joshualevy44/methylnet:0.1
*如果只想使用CPU，只需要核心Docker或Singularity，有关如何提取Docker图像的信息，请参见Singularity网站
*请参阅https://singularity.lbl.gov/faq#does-singularity-support-containers-that-require-gpus以获取有关使用gpu使用singularity的信息
*nvidia docker也是相当于运行gpu作业的docker - 如果您的计算机具有GPU访问权限，也可以通过基本安装（不带Docker或考虑NVIDIA Docker选项）使用GPU。
运行甲基网：
- 源激活甲基网
- 预处理管道：可从https://github.com/Christensen-Lab-Dartmouth/PyMethylProcess获得从450k/850k IDAT到易于学习的甲基化数据类型的指令。
- 运行嵌入超参数扫描
- 选择顶部嵌入超参数并再次进行最后一次训练
- 运行预测超参数扫描
- 选择Top Prediction超参数并再次训练一次
- 通过运行shap查找顶级cpg。
- 询问shap派生的cpg。
- 有关用法，请参见帮助文档。
正在运行测试管道：
- Docker Pull Joshualevy44/甲基网：0.1
- 备选方案：sh docker_build.sh
- Docker Run-IT Joshualevy44/甲基网：0.1
- 备选方案：sh run_docker.sh
- 甲基网试验管道
运行管道的示例：
有关如何显式运行的示例，请参见./example_脚本：
欢迎加入QQ群-->： 979659372
