单细胞rnaseq数据预处理工具
uncurl-seq的Python项目详细描述
展开
==
…图片：：https://travis ci.org/yjzhang/uncrl_python.svg
：目标：https://travis ci.org/yjzhang/uncrl_python
…图片：：https://img.shields.io/pypi/v/uncrl seq.svg
：目标：https://pypi.python.org/pypi/uncrl seq
…图片：：https://pepy.tech/badge/uncrl seq
：目标：https://pepy.tech/project/uncrl seq
…内容：
overview
--
installation
--
uncorl可以从源安装：克隆存储库后，首先运行"pip install-r requirements.txt"安装所需的库。然后，运行``pip install.``
Requirements:numpy、scipy、cython、scikit learn
tested on python 2.7、3.5 on linux。
对于并行状态估计，需要openmp。
要运行测试，请在安装python包之后运行``python setup.py test`
，uncrl可以从r使用"网状"。请参阅"在r<；中使用uncurl"在r>；中使用-uncurl-in-r>；`
examples
--
>请参阅脚本示例文件夹和jupyter笔记本的"notebooks"文件夹。
有关详细教程，请参阅"notebooks"文件夹中的"tutorial.ipynb"。
"full"文档<；https://y j zhang.github.io/uncrl_python/>；`
publications
----
mukherjee，s.，zhang，y.，fan，j.，seelig，g.&kannan，s.利用先验知识对稀疏的scrna序列数据进行可伸缩预处理。生物信息学34，I124–I132（2018年）。
`https://academic.oup.com/bioinformatics/article/34/13/I124/5045758<；https://academic.oup.com/bioinformatics/article/34/13/I124/5045758>；`
features
=可能的分布是"pois"、"lognorm"、"gaussian"、"nb"（负二项式）或"zip"（零膨胀poisson）。通常，对于稀疏或计值数据集，建议使用"pois"。目前nb和zip选项是不受支持的。
在运行状态估计之前，对基因数目进行子集通常是一个好主意。这可以使用"max_variance_genes"函数来实现，该函数通过平均表达对基因进行分类，并通过每个分类中的方差来选择基因的顶部部分。它还去除了所有零表达计数的基因。
例如：
…代码块：python
import numpy as np
import scipy.io
from uncrl import max_variance_genes，运行状态估计
data=np.loadtxt（'counts.txt'）
sparse data（矩阵市场格式）
data sparse=scipy.io.mmread（'matrix.mtx'）
数据子集=数据稀疏[基因，]
m，w，ll=运行状态估计（数据子集，簇=4，dist='pois'，disp=false，max=30，内部最大值=100，初始化='tsvd'，线程=8）
m2，w2，cost=运行状态估计（数据子集，簇=4，dist='lognorm'）
details
^^^^^
``run-state\u-estimation``实际上是几个用于状态估计的其他函数的包装器。
`poisson-estimate\u-state``函数用于使用poisson凸混合模型估计单元类型。它可以接受实数或整数的密集或稀疏矩阵作为输入，并且可以通过并行化来加速。输入是形状的（基因，细胞）。它有三个输出：两个矩阵``m``和``w`，以及``ll`，负对数似然。M是一个（基因，簇）矩阵，而w是一个（簇，细胞）矩阵，其中每列的总和为1。输出"w"和"m*w"可用于进一步的可视化或降维，如后所述。
默认情况下，它使用截断的svd+k-means初始化，但也可以使用"poisson_cluster"或仅使用k-means初始化。
示例：
。代码块：python
2）
0…k-1中的标签
labels=w.argmax（0）
权重
赋值p，中心=泊松聚类（数据子集，2）
m，w，ll=泊松估计状态（数据子集，2，初始均值=中心，init_weights=assignments椆p）
``log_norm_nmf``函数是scikit learn的nmf类的包装器，它在运行nmf之前执行日志转换和每个单元格计数的规范化。它返回两个矩阵w和h，这两个矩阵对应于"poisson_estimate_state"返回的m和w。它也可以采用稀疏矩阵输入。
示例：
…代码块：python
泊松分布、正态分布和对数正态分布的拟合误差。它目前只适用于稠密矩阵。对于大型数据集，我们建议采用小于1000个单元格的小随机子集。
示例：
…代码块：：python
import numpy as np
from uncorl import distfitdataset
fit错误=distfitdataset（data）
pois拟合错误=拟合错误['pois']
norm拟合错误=拟合错误['norm']
lognorm_fit_errors=fit_errors['lognorm']
当使用最大似然法对数据进行拟合时，对于三种分布中的每一种分布，
类型）进入聚类和状态估计的起点。
示例：
…代码块：：python
from uncrl import qualorm
import numpy as np
starting戋centers=qualorm（data，bin戋data）
assignments，centers=poisson戋cluster（data，2，init=starting_centers）
clustering
——
``poisson_cluster``函数使用硬赋值进行poisson聚类。它通过示例和集群数量获取一个特征数组，并返回两个数组：一个集群分配数组和一个集群中心数组。
代码块：：python
2）
插补
——
ng.github.io/uncrl_python/unsupported_methods.html沿袭估计>；` `.
它们可以在w或"mw=m.dot（w）"上运行。在mw上运行t-sne时，我们建议采用日志，然后进行pca或截断svd，就像对原始输入数据那样。这是本文uncrl+tsne结果的基础。在w上使用t-sne时，我们建议使用对称相对熵度量，该度量可用作"uncrl.sparse-utils.symmetric-kld"（这可以传递给scikit learn的t-sne实现）。余弦距离比欧几里德距离在w上的效果更好。另外，我们还利用凸混合模型提供了一种基于mds的降维方法。它通常比t-sne精度低，但速度快得多。参见"不支持方法的文档"https://yjzhang.github.io/uncrl_python/unsupported_methods.html维度缩减>；` `.
伪时间
----------
uncurl的输出mw可以用作其他沿袭估计工具的输入。
我们也实现了自己的沿袭估计工具，但尚未对它们进行彻底验证。请参阅"不支持的方法的文档"lt；https://yjzhang.github.io/uncorl-python/unsupported-methods.html沿袭估计>；` ` `.
首先必须有一个安装了uncurl的python安装。示例：
…代码块：：r
并允许在r中导入python库。
uncorl<；-import（"uncorl"）
数据<；-计数（sce）
k=10
结果<；-取消计算$run懔state懔估计（data，k）
m和w是数值矩阵。
m是形状（基因，k），w是形状（k，细胞）。
m<；-结果[[1]
w<；-结果[[2]]
哪个.max）
Miscellaneous
----
包中包含的不受支持的方法：https://yjzhang.github.io/uncorl-python/unsupported-methods.html
Miscellaneous uncorl参数（非默认参数和我们尝试的内容）：https://yjzhang.github.io/uncrl_python/things_we撸u tried.html
included datasets
----
<10x撸u pooled撸u 400.mat:8种细胞类型各50个细胞：cd19+b细胞、cd14+单核细胞、cd34+、cd56+nk、cd4+/cd45ro+内存T，cd8+/cd45ra+幼稚细胞毒性，cd4+/cd45ra+/cd25-幼稚t，和cd4+/cd25调节性t。来源：`10x genomics<；https://support.10x genomics.com/single cell gene expression/datasets>；` `.
gse60361-dat.mat:来自'zelsel等人的数据子集。2015年<；http://linnarssonlab.org/cortex>；` `.
==
…图片：：https://travis ci.org/yjzhang/uncrl_python.svg
：目标：https://travis ci.org/yjzhang/uncrl_python
…图片：：https://img.shields.io/pypi/v/uncrl seq.svg
：目标：https://pypi.python.org/pypi/uncrl seq
…图片：：https://pepy.tech/badge/uncrl seq
：目标：https://pepy.tech/project/uncrl seq
…内容：
overview
--
installation
--
uncorl可以从源安装：克隆存储库后，首先运行"pip install-r requirements.txt"安装所需的库。然后，运行``pip install.``
Requirements:numpy、scipy、cython、scikit learn
tested on python 2.7、3.5 on linux。
对于并行状态估计，需要openmp。
要运行测试，请在安装python包之后运行``python setup.py test`
，uncrl可以从r使用"网状"。请参阅"在r<；中使用uncurl"在r>；中使用-uncurl-in-r>；`
examples
--
>请参阅脚本示例文件夹和jupyter笔记本的"notebooks"文件夹。
有关详细教程，请参阅"notebooks"文件夹中的"tutorial.ipynb"。
"full"文档<；https://y j zhang.github.io/uncrl_python/>；`
publications
----
mukherjee，s.，zhang，y.，fan，j.，seelig，g.&kannan，s.利用先验知识对稀疏的scrna序列数据进行可伸缩预处理。生物信息学34，I124–I132（2018年）。
`https://academic.oup.com/bioinformatics/article/34/13/I124/5045758<；https://academic.oup.com/bioinformatics/article/34/13/I124/5045758>；`
features
=可能的分布是"pois"、"lognorm"、"gaussian"、"nb"（负二项式）或"zip"（零膨胀poisson）。通常，对于稀疏或计值数据集，建议使用"pois"。目前nb和zip选项是不受支持的。
在运行状态估计之前，对基因数目进行子集通常是一个好主意。这可以使用"max_variance_genes"函数来实现，该函数通过平均表达对基因进行分类，并通过每个分类中的方差来选择基因的顶部部分。它还去除了所有零表达计数的基因。
例如：
…代码块：python
import numpy as np
import scipy.io
from uncrl import max_variance_genes，运行状态估计
data=np.loadtxt（'counts.txt'）
sparse data（矩阵市场格式）
data sparse=scipy.io.mmread（'matrix.mtx'）
数据子集=数据稀疏[基因，]
m，w，ll=运行状态估计（数据子集，簇=4，dist='pois'，disp=false，max=30，内部最大值=100，初始化='tsvd'，线程=8）
m2，w2，cost=运行状态估计（数据子集，簇=4，dist='lognorm'）
details
^^^^^
``run-state\u-estimation``实际上是几个用于状态估计的其他函数的包装器。
`poisson-estimate\u-state``函数用于使用poisson凸混合模型估计单元类型。它可以接受实数或整数的密集或稀疏矩阵作为输入，并且可以通过并行化来加速。输入是形状的（基因，细胞）。它有三个输出：两个矩阵``m``和``w`，以及``ll`，负对数似然。M是一个（基因，簇）矩阵，而w是一个（簇，细胞）矩阵，其中每列的总和为1。输出"w"和"m*w"可用于进一步的可视化或降维，如后所述。
默认情况下，它使用截断的svd+k-means初始化，但也可以使用"poisson_cluster"或仅使用k-means初始化。
示例：
。代码块：python
2）
0…k-1中的标签
labels=w.argmax（0）
权重
赋值p，中心=泊松聚类（数据子集，2）
m，w，ll=泊松估计状态（数据子集，2，初始均值=中心，init_weights=assignments椆p）
``log_norm_nmf``函数是scikit learn的nmf类的包装器，它在运行nmf之前执行日志转换和每个单元格计数的规范化。它返回两个矩阵w和h，这两个矩阵对应于"poisson_estimate_state"返回的m和w。它也可以采用稀疏矩阵输入。
示例：
…代码块：python
泊松分布、正态分布和对数正态分布的拟合误差。它目前只适用于稠密矩阵。对于大型数据集，我们建议采用小于1000个单元格的小随机子集。
示例：
…代码块：：python
import numpy as np
from uncorl import distfitdataset
fit错误=distfitdataset（data）
pois拟合错误=拟合错误['pois']
norm拟合错误=拟合错误['norm']
lognorm_fit_errors=fit_errors['lognorm']
当使用最大似然法对数据进行拟合时，对于三种分布中的每一种分布，
类型）进入聚类和状态估计的起点。
示例：
…代码块：：python
from uncrl import qualorm
import numpy as np
starting戋centers=qualorm（data，bin戋data）
assignments，centers=poisson戋cluster（data，2，init=starting_centers）
clustering
——
``poisson_cluster``函数使用硬赋值进行poisson聚类。它通过示例和集群数量获取一个特征数组，并返回两个数组：一个集群分配数组和一个集群中心数组。
代码块：：python
2）
插补
——
ng.github.io/uncrl_python/unsupported_methods.html沿袭估计>；` `.
它们可以在w或"mw=m.dot（w）"上运行。在mw上运行t-sne时，我们建议采用日志，然后进行pca或截断svd，就像对原始输入数据那样。这是本文uncrl+tsne结果的基础。在w上使用t-sne时，我们建议使用对称相对熵度量，该度量可用作"uncrl.sparse-utils.symmetric-kld"（这可以传递给scikit learn的t-sne实现）。余弦距离比欧几里德距离在w上的效果更好。另外，我们还利用凸混合模型提供了一种基于mds的降维方法。它通常比t-sne精度低，但速度快得多。参见"不支持方法的文档"https://yjzhang.github.io/uncrl_python/unsupported_methods.html维度缩减>；` `.
伪时间
----------
uncurl的输出mw可以用作其他沿袭估计工具的输入。
我们也实现了自己的沿袭估计工具，但尚未对它们进行彻底验证。请参阅"不支持的方法的文档"lt；https://yjzhang.github.io/uncorl-python/unsupported-methods.html沿袭估计>；` ` `.
首先必须有一个安装了uncurl的python安装。示例：
…代码块：：r
并允许在r中导入python库。
uncorl<；-import（"uncorl"）
数据<；-计数（sce）
k=10
结果<；-取消计算$run懔state懔估计（data，k）
m和w是数值矩阵。
m是形状（基因，k），w是形状（k，细胞）。
m<；-结果[[1]
w<；-结果[[2]]
哪个.max）
Miscellaneous
----
包中包含的不受支持的方法：https://yjzhang.github.io/uncorl-python/unsupported-methods.html
Miscellaneous uncorl参数（非默认参数和我们尝试的内容）：https://yjzhang.github.io/uncrl_python/things_we撸u tried.html
included datasets
----
<10x撸u pooled撸u 400.mat:8种细胞类型各50个细胞：cd19+b细胞、cd14+单核细胞、cd34+、cd56+nk、cd4+/cd45ro+内存T，cd8+/cd45ra+幼稚细胞毒性，cd4+/cd45ra+/cd25-幼稚t，和cd4+/cd25调节性t。来源：`10x genomics<；https://support.10x genomics.com/single cell gene expression/datasets>；` `.
gse60361-dat.mat:来自'zelsel等人的数据子集。2015年<；http://linnarssonlab.org/cortex>；` `.
欢迎加入QQ群-->： 979659372
