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