pyprophet：openswath结果的半监督学习和评分。
pyprophet的Python项目详细描述
预言家
pyprophet：openswath结果的半监督学习和评分。
pyprophet是mprophet算法的python重新实现[1]，该算法针对数据独立采集（dia）获得的swath-ms数据进行了优化。该算法最初发表在[2]中，后来被扩展到支持新的数据类型和分析模式[3,4]。
有关使用说明和帮助，请参阅OpenSWATH website。
雷特·L，里纳·O，皮科蒂·P，Hüttenhain R，贝克·M，布鲁斯尼亚克·M，亨加特纳·莫，艾伯索尔·R。 mprophet：大规模自动化数据处理和统计验证 SRM实验。nat方法。2011年5月；8（5）：430-5。doi: 10.1038/nmeth.1584.电子出版2011年3月20日。
泰勒曼J，Róst HL，罗森伯格G，施密特U，马尔姆斯特伦L，马尔姆斯特伦J，莱万德F。 diana——数据独立采集ms数据分析的算法改进。生物信息学。2015年2月15日；31（4）：555-62。doi: 10.1093/bioinformatics/btu686.ePub 2014年10月27日。
Rosenberger G，Liu Y，Róst HL，Ludwig C，Buil A，Bensimon A，Soste M，Spector TD，Dermitzakis ET，Collins BC，Malmstróm L，Aebersold R.通过SWATH-MS推断和量化大样本队列中的肽组。{str 1}$NAT Biotechnol2017年8月；35（8）：781-788。doi: 10.1038/nbt.3908.EPUB 2017年6月12日。
罗森博格G，布鲁达一世，施密特U，赫塞尔M，亨特CL，刘Y，麦克科斯MJ，麦克莱恩BX，内斯维希斯基艾，佩德里奥里PGA，雷特L，Róst HL，泰特S，丁伊斯，柯林斯BC，艾伯索尔德R。 大规模靶向数据独立采集分析中肽和蛋白质错误率的统计控制。nat方法。2017年9月；14（9）：921-927。doi: 10.1038/nmeth.4398.电子出版2017年8月21日。
安装
我们强烈建议在pythonvirtualenv中安装pyprophet。pyprophet与python 3兼容。
从github安装pyprophet的开发版本：
$ pip install git+https://github.com/PyProphet/pyprophet.git@master
从python包索引（pypi）安装pyprophet的稳定版本：
$ pip install pyprophet
运行pyprophet
pyprophet不仅是一个python包，而且还是一个命令行工具：
$ pyprophet --help
或：
$ pyprophet score --in=tests/test_data.txt
docker
Pyphophet也可以从Docker（自动生成）获得：
从dockerhub（与github同步）中提取pyprophet的开发版本：
$ docker pull pyprophet/master:latest
将pyprophet的稳定版本（例如2.1.2）从DockerHub（与发行版同步）：
$ docker pull pyprophet/pyprophet:2.1.2
运行测试
最好使用py.test和pytest-regtest插件来执行pyprophet测试：
$ pip install pytest
$ pip install pytest-regtest
$ py.test ./tests
欢迎加入QQ群-->： 979659372
