ikarus
1.0.0
Ikarus est un pipeline d'apprentissage automatique pas à pas qui essaie de faire face à une tâche de distinction des cellules tumorales des cellules normales. Tirant parti de plusieurs ensembles de données à cellules uniques annotés, il peut être utilisé pour définir un ensemble de gènes spécifique aux cellules tumorales. Tout d'abord, ce dernier ensemble de gènes est utilisé pour classer les cellules, puis pour former un classificateur logistique pour la classification robuste de la tumeur et des cellules normales. Enfin, la sensibilité est augmentée en propageant les étiquettes cellulaires sur la base d'un réseau de cellules cellulaires personnalisé. Ikarus est testé sur plusieurs ensembles de données à cellules unicellulaires pour vérifier qu'il atteint une sensibilité et une spécificité élevées dans plusieurs contextes expérimentaux. Veuillez trouver plus d'informations dans la publication correspondante.
IKARUS prend actuellement en charge python>=3.8 et peut être installé à partir de PYPI:
pip install ikarus
Altérant, on peut installer la branche maîtresse d'Ikarus directement à partir de github:
python -m pip install git + https: //github.com/bimsbbioinfo/ikarus.git
L'option la plus simple pour commencer est d'utiliser les listes de tumeurs / gènes normales fournies et le modèle pré-entraîné:
du classificateur d'importation Ikarus modèle = classifier.ikarus (signatures_gmt = signatures_path) Model.Load_core_Model (Model_Path) prédictions = modèle.predict (test_adata, 'test_name')
Plus d'informations sur la façon de former un modèle ou comment créer leurs propres listes de gènes sont fournies dans le cahier de didacticiel.
| Exemple de cahiers |
|---|
| Préparation des données et prédiction de base |
