keras-synthetic-genome-sequence 1.1.4

如何安装此包？

像往常一样，只需使用pip下载即可

pip install keras_synthetic_genome_sequence

测试覆盖率

由于一些处理覆盖率的软件有时会得到略有不同的结果，这里列出了三个结果

使用示例

要使用GapSequence来训练您的Keras模型，您需要获得您打算在合成间隙中模拟的生物学间隙的统计指标。

为此，此包提供了一个名为get_gaps_statistics的实用工具，允许您获取给定基因组组装中间隙的均值和协方差。

基因组组装自动从UCSC下载，使用ucsc_genomes_downloader，然后从中提取包含的间隙，并将它们的窗口扩展到给定的一个，在过滤给定max_gap_size之后，因为您可能希望将间隙大小限制在一个相对较小的一个（例如，间隙可以长到数万个核苷酸，如在端粒中）。

让我们先列出所有重要的参数

assembly = "hg19"
window_size = 200
batch_size = 128

现在我们可以开始检索间隙统计信息

from keras_synthetic_genome_sequence.utils import get_gaps_statistics

number, mean, covariance = get_gaps_statistics(
    assembly=assembly,
    max_gap_size=100,
    window_size=window_size
)

print("I have identified {number} gaps!".format(number=number))

现在您必须选择要应用合成间隙的基准，例如基因组组装hg19中无间隙的区域，染色体chr1。这些区域将必须被压缩成与您选择的间隙统计窗口_size形状兼容的小块。我们可以按以下方式检索这些区域

from ucsc_genomes_downloader import Genome
from ucsc_genomes_downloader.utils import tessellate_bed

genome = Genome(assembly, chromosomes=["chr1"])
ground_truth = tessellate_bed(genome.filled(), window_size=window_size)

获得的数据帧将具有床状格式，如下所示

现在我们准备好实际创建GapSequence了

from keras_synthetic_genome_sequence import GapSequence

gap_sequence = GapSequence(
    assembly=assembly,
    bed=ground_truth,
    gaps_mean=mean,
    gaps_covariance=covariance,
    batch_size=batch_size
)

现在，拥有一个输入输出形状为（batch_size，window_size，4）的模型，我们可以按以下方式训练它

model = build_my_denoiser()
model.fit_generator(
    gap_sequence,
    steps_per_epoch=gap_sequence.steps_per_epoch,
    epochs=2,
    shuffle=True
)

快乐去噪！

生物与合成分布的比较

以下图像表示hg19、hg38、mm9和mm10基因组组装中gap的生物和合成分布，考虑长度上限为100核苷酸，总窗口大小为1000。用于将多元高斯分布转换为整数的阈值是0.4，这是python包中的默认值。