deepaccess package
version 0.1.2
이것은 멀티 태스킹 분류를위한 Convolutional Neural Network의 앙상블의 훈련 및 해석을위한 코드입니다. 현재 릴리스를 다운로드하고 시작하기위한 지침은 https://cgs.csail.mit.edu/deepaccess-package/에서 확인할 수 있습니다. DeepAccess는 PIP 및 BioConda를 통해 제공됩니다. 10 마리의 마우스 셀 유형에서 ATAC-Seq 데이터를 훈련시키는 DeepAccess 모델은 Zenodo 레코드로 제공됩니다.
지역 (Bedfile 형식)으로 DeepAccess를 실행하려면 BedTools를 설치하고 경로에 추가해야합니다. BedTools Binaries는 여기에 있습니다.
설치 후 터미널을 통해 경로에 침대를 추가하거나 ~/.bashrc를 수정할 수 있습니다.
export PATH="/path/to/bedtools:$PATH"
DeepAccess는 Python Package Index (PYPI)에서 사용할 수 있으며 PIP를 사용하여 설치할 수 있습니다.
pip install deepaccess
그리고 Bioconda를 통해 :
conda install -c bioconda deepaccess
새로운 작업을 위해 DeepAccess 모델을 훈련시킵니다
usage: deepaccess train [-h] -l LABELS [LABELS ...]
-out OUT [-ref REFFASTA]
[-g GENOME] [-beds BEDFILES [BEDFILES ...]]
[-fa FASTA] [-fasta_labels FASTA_LABELS]
[-f FRAC_RANDOM] [-nepochs NEPOCHS]
[-ho HOLDOUT] [-seed SEED] [-verbose]
optional arguments:
-h, --help show this help message and exit
-l LABELS [LABELS ...], --labels LABELS [LABELS ...]
-out OUT, --out OUT
-ref REFFASTA, --refFasta REFFASTA
-g GENOME, --genome GENOME
genome chrom.sizes file
-beds BEDFILES [BEDFILES ...], --bedfiles BEDFILES [BEDFILES ...]
-fa FASTA, --fasta FASTA
-fasta_labels FASTA_LABELS, --fasta_labels FASTA_LABELS
-f FRAC_RANDOM, --frac_random FRAC_RANDOM
-nepochs NEPOCHS, --nepochs NEPOCHS
-ho HOLDOUT, --holdout HOLDOUT
chromosome to holdout
-seed SEED, --seed SEED
-verbose, --verbose Print training progress
| 논쟁 | 설명 | 예 |
|---|---|---|
| -h, -help | 이 도움말 메시지와 종료를 보여주십시오 | NA |
| -L -라벨 | 각 침대 파일에 대한 레이블 목록 | C1 C2 C3 |
| -아웃 | 출력 폴더 이름 | myoutput |
| -ref -ref | 참조 FASTA; 침대 입력으로 필요합니다 | mm10.fa |
| -g- 게놈 | 게놈 염색체 크기; 침대 입력으로 필요합니다 | 기본/mm10.Chrom.Sizes |
| -베드 -베드 파일 | 침대 파일 목록; 침대 또는 FA 입력 중 하나가 필요합니다 | c1.bed c2.bed c3.bed |
| -fa -fasta | FASTA 파일; 침대 또는 FA 입력 중 하나가 필요합니다 | C1C2C3.FA |
| -fasta_labels-- fasta_labels | 각 클래스마다 하나의 열이있는 각 Fasta 라인에 대해 탭을 포함하는 텍스트 파일 (0 또는 1). | c1c2c3.txt |
| -f -frac_random | 침대 파일 입력 랜덤 외부 그룹 영역의 비율을 위해 훈련에 추가 | 0.1 |
| -nepochs -Nepochs | 훈련 반복 횟수 | 1 |
| -HO- 홀드 아웃 | 염색체 이름을 유지합니다 (침대 입력 만으로만) | chr19 |
| -Verbose -Verbose | 인쇄 교육 및 평가 진행 | NA |
| -시드 -시드 | 텐서 플로우 씨앗을 설정하십시오 | 2021 |
DeepAccess 모델의 해석을 실행합니다
usage: deepaccess interpret [-h] -trainDir TRAINDIR
[-fastas FASTAS [FASTAS ...]]
[-l LABELS [LABELS ...]] [
-c COMPARISONS [COMPARISONS ...]]
[-evalMotifs EVALMOTIFS]
[-evalPatterns EVALPATTERNS]
[-p POSITION] [-saliency]
[-subtract] [-bg BACKGROUND] [-vis]
optional arguments:
-h, --help show this help message and exit
-trainDir TRAINDIR, --trainDir TRAINDIR
-fastas FASTAS [FASTAS ...], --fastas FASTAS [FASTAS ...]
-l LABELS [LABELS ...], --labels LABELS [LABELS ...]
-c COMPARISONS [COMPARISONS ...], --comparisons COMPARISONS [COMPARISONS ...]
-evalMotifs EVALMOTIFS, --evalMotifs EVALMOTIFS
-evalPatterns EVALPATTERNS, --evalPatterns EVALPATTERNS
-p POSITION, --position POSITION
-saliency, --saliency
-subtract, --subtract
-bg BACKGROUND, --background BACKGROUND
-vis, --makeVis
| 논쟁 | 설명 | 예 |
|---|---|---|
| -h, -help | 이 도움말 메시지와 종료를 보여주십시오 | NA |
| -traindir -traindir | 훈련 된 DeepAccess 모델을 포함하는 디렉토리 | 테스트/ASCL1VSCTCF |
| -fastas - -fastas | Evaulate의 Fasta 파일 목록 | 테스트/ASCL1VSCTCF/TEST.FA |
| -L -라벨 | 각 침대 파일에 대한 레이블 목록 | C1 C2 C3 |
| -c-- 대장 | 다른 레이블 간의 비교 목록 | ASCL1VSCTCF ASCL1VSNONE는 ASCL1에서 ASCL1과 CTCF 및 EPE 간의 차등 EPE를 실행하고; C1, C2VSC3은 (C1 및 C2) 대 C3에 대한 차동 EPE를 실행합니다. |
| -evalmotifs -evalmotifs | DNA 서열 모티프의 PWM 또는 PCM 데이터베이스 | 기본/hmv11_mouse.txt |
| -evalpatterns -evalpatterns | DNA 서열 패턴을 포함하는 FASTA 파일 | 데이터/ASCL1_SPACE.FA |
| -BG -BG | 배경 시퀀스를 포함하는 Fasta 파일 | 기본/배경 .fa |
| -실현 -실현 | 기본 뉴클레오티드 중요성 당 계산 | NA |
| -서브 계약 -서브레이트 | EPE / DEPE의 비율 대신 뺄셈을 사용하십시오 | 거짓 |
| -vis -메이크 비비스 | 플롯 시각화 결과를 만들기 위해 Saliency와 함께 사용하려면 | NA |
