profile_binr

RNA-seq数据的二值化和归一化PROFILE方法。

这是一个R语言编写的RNA-seq数据归一化和二值化函数集的Python接口。

本软件包基于Beal, Jonas; Montagud, Arnau; Traynard, Pauline; Barillot, Emmanuel; 和 Calzone, Laurence在Curie研究所计算系统生物学癌症团队(contact-sysbio@curie.fr)开发的方法。它扩展了原始的Rmarkdown笔记本实现，并提供了Python接口，这些笔记本可以在https://github.com/sysbio-curie/PROFILE找到。

安装

使用conda

可以使用colomoto通道中的conda包profile_binr安装此工具。注意，其中一些依赖项需要conda-forge通道。

conda install -c conda-forge colomoto::profile_binr

使用pip

要求

• R (≥4.0)
• R包
  • mclust
  • diptest
  • moments
  • magrittr
  • tidyr
  • dplyr
  • tibble
  • bigmemory
  • doSNOW
  • foreach
  • glue

pip install profile_binr

用法

这又是一个最小示例

from profile_binr import ProfileBin
import pandas as pd

# your data is assumed to contain observations as
# rows and genes as columns
data = pd.read_csv("path/to/your/data.csv")
data.head()

# create the binarisation instance using the dataframe
# with the index containing the cell identifier
# and the columns being the gene names
probin = ProfileBin(data)

# compute the criteria used to binarise/normalise the data :
# This method uses a parallel implementation, you can specify the 
# number of workers with an integer
probin.fit(8) # train using 8 threads

# Look at the computed criteria
probin.criteria.head(8)

# get binarised data (alternatively .binarise()):
my_bin = probin.binarize()
my_bin.head()

# idem for normalised data :
my_norm = probin.normalize()
my_norm.head()

参考文献

• Béal J, Montagud A, Traynard P, Barillot E and Calzone L (2019) 《利用多组学数据个性化逻辑模型以实现患者的临床分层》. Front. Physiol. 9:1965. doi:10.3389/fphys.2018.01965