relernn:基于递归神经网络的复合景观估计
ReLERNN的Python项目详细描述
relernn使用递归神经网络的重组景观估计
relernn利用深入的学习从两个二倍体样本中推断出重组的全基因组格局。 此存储库包含运行relernn所需的代码和指令,并包含示例文件,以确保一切正常工作。
在Linux上安装
使用提供的setup.py文件安装relernn。所有依赖项都将通过pip自动安装。 使用以下命令安装relernn:
''' $git克隆https://github.com/kern-lab/ReLERNN.git $CD发行 $python setup.py安装 ''
应该就这么简单。
测试relernn
运行relernn四个模块的示例vcf文件(10个单倍体示例)和shell脚本位于$/relernn/example s中。 要测试relernn的功能,只需使用以下命令:
''' $cd示例 $bash示例_pipeline.sh ''
如果一切按计划进行,$relernn/examples/example_output/应该填充几个目录和文件:example.predict.txt和example.predict.bscorrect.txt。 后者是最终的输出文件与您的重组率估计。
上面的例子用了X秒在Xeon机器上使用四个CPU和一个NVIDIA GeForce Titan X GPU完成。 请注意,本例中使用的参数仅用于测试安装是否成功,而不是进行准确的预测。 在分析实际数据时,请使用下面的指导线以获得最佳结果。 虽然在没有专用gpu的情况下运行relernn是可能的,但是如果您尝试这样做的话,您将度过一段不愉快的时光。