lingress

lente

El proyecto Lingress es una iniciativa destinada a desarrollar una tubería simplificada para el análisis de conjuntos de datos de resonancia magnética nuclear (RMN), utilizando un modelo de regresión lineal univariante. Este paquete abarca la ejecución del análisis de regresión lineal a través del método de mínimos cuadrados ordinarios (OLS) y proporciona interpretaciones visuales de los datos resultantes. En particular, incluye los valores p de todos los picos de RMN en su alcance analítico.

Funcionalmente, este programa se esfuerza por adaptarse a un modelo de perfiles metabólicos a través de la aplicación de la regresión lineal. Su diseño y capacidades presentan una herramienta robusta para el análisis de datos en profundidad y matizado en el ámbito de los estudios metabólicos.

Cómo instalar

pip install lingress

Picking de UI Peak

 #Example data
import numpy as np
from lingress import pickie_peak
import pandas as pd


df = pd . read_csv ( "https://raw.githubusercontent.com/aeiwz/example_data/main/dataset/Example_NMR_data.csv" )
spectra = df . iloc [:, 1 :]
ppm = spectra . columns . astype ( float ). to_list ()


#defind plot data and run UI
pickie_peak ( spectra = spectra , ppm = ppm ). run_ui ()

Modelo de regresión lineal

 import pandas as pd
from lingress import lin_regression


df = pd . read_csv ( "https://raw.githubusercontent.com/aeiwz/example_data/main/dataset/Example_NMR_data.csv" )
X = df . iloc [:, 1 :]
ppm = spectra . columns . astype ( float ). to_list ()
y = df [ 'Group' ]


mod = lin_regression ( x = X , target = y , label = y , features_name = ppm , adj_method = 'fdr_bh' )
mod . create_dataset ()
mod . fit_model ()

 mod . spec_uniplot ()

 mod . volcano_plot ()

 mod . resampling ( n_jobs = - 1 , n_boots = 100 , adj_method = 'fdr_bh' )

 [Parallel(n_jobs=-1)]: Using backend LokyBackend with 8 concurrent workers.
[Parallel(n_jobs=-1)]: Done   6 tasks      | elapsed:    3.7s
[Parallel(n_jobs=-1)]: Done  60 tasks      | elapsed:    6.7s
[Parallel(n_jobs=-1)]: Done 150 tasks      | elapsed:   11.2s
[Parallel(n_jobs=-1)]: Done 276 tasks      | elapsed:   17.8s
...
[Parallel(n_jobs=-1)]: Done 6486 tasks      | elapsed:  5.6min
[Parallel(n_jobs=-1)]: Done 7188 tasks      | elapsed:  6.1min
[Parallel(n_jobs=-1)]: Done 7211 out of 7211 | elapsed:  6.1min finished

 mod . resampling_df ()

Valor p	Valor P de STD	Coeficiente beta	std beta	Valor P medio (prueba F)	Valor P STD (prueba F)	Medio R-cuadrado	std r-square	R2	Ajuste de STD R-cuadrado	Q_Value
0.60075	3.575454e-03	1.610523E-02	3.673194e+06	502596.020205	0.434302	0.276809	0.138650	0.156244	0.030981	4.012856E-03
0.60125	2.327687e-04	6.418472e-04	4.208365e+06	638734.119190	Yaya	Yaya	0.160225	0.175463	0.056503	3.531443e-04
0.60175	1.511846e-04	3.690541e-04	4.776924e+06	582175.023885	0.272894	0.258094	0.250765	0.204542	0.157111	2.443829e-04
0.60225	2.724337e-04	7.138873e-04	4.450884e+06	624407.676115	0.132108	0.188570	0.379931	0.198055	0.302422	4.037237e-04
0.60275	2.271675E-04	5.238926e-04	3.596622e+06	643161.588649	0.030732	0.056968	0.558447	0.158948	0.503253	3.458106E-04
...	...	...	...	...	...	...	...	...	...	...
4.20375	2.542707E-09	1.077483e-08	2.231841e+07	479783.299949	Yaya	Yaya	0.099255	0.130321	-0.010838	4.472063E-08
4.20425	4.727199e-10	1.269310e-09	2.201865E+07	631164.491894	0.420162	0.308196	0.163733	0.184153	0.059199	1.940690e-08
4.20475	1.710447e-09	4.659603E-09	2.285026E+07	721568.566334	Yaya	Yaya	0.100927	0.138527	-0.010207	3.595928e-08
4.20525	1.043658e-08	9.454456e-08	2.449345e+07	287615.593479	0.310386	0.301403	0.263740	0.245996	0.171707	1.084412e-07
4.20575	1.606948e-08	1.123188e-07	2.621135e+07	246414.620688	0.242344	0.257300	0.299881	0.244772	0.212366	1.457572e-07