pathcore-t分析方法的python 3实现
PathCORE-T的Python项目详细描述
pathcore-t
python 3中所述方法的实现 Chen et al.’s 2017 PathCORE-T paper。
请注意,该软件在2017年10月从PathCore重命名为PathCore-T。 t指定路径共现关系是使用 从转录组数据中提取的特征。 模块本身仍命名为pathcore 原始PathCore软件包用户的兼容性。
这段代码已经在Python3.5上测试过了。 包中模块的文档可以是 accessed here。
安装
要安装当前的pypi版本(推荐),请运行:
pip install PathCORE-T
对于最新的github版本,请运行:
pip install git+https://github.com/greenelab/PathCORE-T.git#egg=PathCORE-T
示例
我们建议PathCore-T软件的用户首先查看 PathCORE-T-analysis中的示例 储存库。分析存储库包含shell脚本和包装器 演示如何运行此包中的方法的分析脚本 根据 workflow we describe in our paper。
具体来说,this Jupyter notebook 是工作流的一个简单示例,也是一个很好的开始。
包装内容
特征路径代表性过高。py
本模块中的方法用于识别路径 从转录组数据集中提取的特征代表性过高 基因样本。特征必须保留数据集中的基因 并根据分布给这些基因分配权重。 [feature_pathway_overrepresentation documentation.]
network.py
包含存储信息的数据结构CoNetwork。 关于通路共现网络。输出来自 ^{tt2}中的途径富集分析$ 用作CoNetwork构造函数的输入。 [CoNetwork documentation.]
网络排列测试.py
此模块中的方法用于筛选 共现网络。我们实现了一个置换测试来评估 并移除网络中的边(路径路径关系) 这与随机关联的空模型无法区分。 空模型是通过生成网络的n置换来创建的。 [network_permutation_test documentation.]
致谢
这项工作得到了宾夕法尼亚生物信息学研究所的支持