spatialdata workshops

Atelier : introduction au framework SpatialData

Installation des packages requis

Utiliser conda/mamba

Nous utiliserons ici conda ou mamba (plus rapide) comme gestionnaire de paquets, en fonction de ce qui est installé sur le teaching . Cela permet de configurer l’ensemble de l’environnement avec une seule commande.

1. créer l'environnement conda à partir du fichier environment.yaml

    # it's recommended to use mamba for faster installation, or set libmamba as the default solver
   # conda config --set solver libmamba
   conda env create -f environment.yaml -y
   
   # alternatively, if you already have a conda environment you'd like to use, you can update it like this
   conda env update --name myenv --file environment.yaml --prune

2. activer l'environnement

   conda activate spatialdata-workshop

3. enregistrer l'environnement conda dans Jupyter

   python -m ipykernel install --user --name spatialdata-workshop --display-name " Python (SpatialData Workshop) "

4. En option : configurer la saisie semi-automatique dans les notebooks Jupiter

   pip install jupyter_tabnine
   jupyter contrib nbextension install --user
   jupyter nbextension install --py jupyter_tabnine --user
   jupyter nbextension enable --py jupyter_tabnine --user
   jupyter serverextension enable --py jupyter_tabnine --user

5. Si à tout moment vous modifiez le environment.yaml et souhaitez mettre à jour l'environnement, vous pouvez le faire avec

   conda env update --name spatialdata-workshop --file environment.yaml --prune

Téléchargement des données

1. Activez l'environnement comme expliqué ci-dessus

   conda activate spatialdata-workshop

2. Exécutez la commande suivante pour télécharger les données

    # download the raw data
   python download.py --data_dir data raw visium
   python download.py --data_dir data raw visium_hd
   python download.py --data_dir data raw xenium
   
   # download some already processed data
   python download.py --data_dir data zarr merfish

Notes sur les données :

• Les ensembles de données ont été traités manuellement pour réduire la taille du fichier, en supprimant certaines données, métadonnées ou en réduisant certaines tailles d'image. En raison de leur taille réduite, les ensembles de données ne sont pas représentatifs des données originales, ni de la technologie utilisée pour les profiler. Par conséquent, ils ne doivent pas être utilisés à des fins d’exemple scientifique ou de comparaison entre technologies.
• L'ensemble de données MERFISH provient du prototype de pipeline MERFISH de l'Allen Institute et n'est pas représentatif de la nouvelle technologie commerciale MERFISH. Nous choisissons le premier car il est léger et déjà analysé.

Exécuter les cahiers

1. Activez l'environnement comme expliqué ci-dessus

   conda activate spatialdata-workshop

2. Démarrer JupyterLab

   jupyter-lab

Événements

Vous trouverez ici une liste de nos ateliers passés, y compris les cahiers et diapositives respectifs.

• 2024/09/09 : (Tim Treis) Diapositives des cahiers du Symposium de biologie spatiale BioTrac
• 2024/09/11 : (Luca Marconato) diapositives des cahiers de l'atelier de la conférence scverse
• 2024/09/25 : (Wouter-Michiel Vierdag, Luca Marconato) Série de webinaires EBI « Advances in spatial omics » ; (Luca Marconato) Diapositives des cahiers FoG Live
• 2024/10/22 : (Luca Marconato) BIOINFO 2024, Gyeongju (Corée du Sud) diapositives de cahiers