MOVIS下載 - MOVIS源代碼下載

MOVIS

網站數據

v1.1.0: Post-review release

下載

Movis

探索性數據分析和可視化工具，用於多摩學數據集。

手稿

此工具是為以下論文創建的：

“ MOVIS：一種用於多模式時間序列的多摩斯軟件解決方案，由AleksandarAnžel，Dominik Heider和Georges Hattab作者：

請引用紙張為：

@article{ANZEL20221044,
title = {MOVIS: A multi-omics software solution for multi-modal time-series clustering, embedding, and visualizing tasks},
journal = {Computational and Structural Biotechnology Journal},
volume = {20},
pages = {1044-1055},
year = {2022},
issn = {2001-0370},
doi = {https://doi.org/10.1016/j.csbj.2022.02.012},
url = {https://www.sciencedirect.com/science/article/pii/S2001037022000526},
author = {Aleksandar Anžel and Dominik Heider and Georges Hattab},
keywords = {Time-series, Multi-omics, Visualization, Data exploration, Temporal multi-omics, Longitudinal multi-omics},
abstract = {Thanks to recent advances in sequencing and computational technologies, many researchers with biological and/or medical backgrounds are now producing multiple data sets with an embedded temporal dimension. Multi-modalities enable researchers to explore and investigate different biological and physico-chemical processes with various technologies. Motivated to explore multi-omics data and time-series multi-omics specifically, the exploration process has been hindered by the separation introduced by each omics-type. To effectively explore such temporal data sets, discover anomalies, find patterns, and better understand their intricacies, expertise in computer science and bioinformatics is required. Here we present MOVIS, a modular time-series multi-omics exploration tool with a user-friendly web interface that facilitates the data exploration of such data. It brings into equal participation each time-series omic-type for analysis and visualization. As of the time of writing, two time-series multi-omics data sets have been integrated and successfully reproduced. The resulting visualizations are task-specific, reproducible, and publication-ready. MOVIS is built on open-source software and is easily extendable to accommodate different analytical tasks. An online version of MOVIS is available under https://movis.mathematik.uni-marburg.de/ and on Docker Hub (https://hub.docker.com/r/aanzel/movis).}
}

抽象的：

得益於測序和計算技術的最新進展，許多具有生物學和/或醫學背景的研究人員現在正在生產具有嵌入式時間維度的多個數據集。多模式使研究人員能夠通過各種技術探索和研究不同的生物學和物理化學過程。特別是探索多摩斯數據和時間序列多摩斯的動機，探索過程受到每種OMICS類型引入的分離的阻礙。為了有效地探索此類時間數據集，發現異常，找到模式並更好地了解其複雜性，需要計算機科學和生物信息學方面的專業知識。在這裡，我們提出Movis，這是一種模塊化的時間序列多媒體探索工具，具有用戶友好的Web界面，可促進此類數據的數據探索。它使每個時間序列的OMIC類型都具有平等的參與，以進行分析和可視化。截至寫作時，已經集成並成功地集成了兩個時間序列的多摩斯數據集。由此產生的可視化是特定於任務的，可重複的且準備就緒的。 Movis建立在開源軟件上，很容易擴展以適應不同的分析任務。在https://movis.mathematik.uni-marburg.de/和Docker Hub（https://hub.docker.com/r/aanzel/movis）上，可在線版本的Movis在線版本。

依賴

該代碼以Python 3.8.11編寫，並在Linux上進行了測試，並安裝了以下庫：

圖書館	版本
牽牛星	4.1.0
altair_saver	0.5.0
Biopython	1.78
Gensim	4.0.1
numpy	1.21.2
貓熊	1.3.5
Scikit-Learn	1.0.2
Scipy	1.7.3
簡化	1.5.1
Protobuf	3.19.1
Python-Levenshtein	0.12.2
點擊	7.1.2

數據

示例1中使用的數據來自以下論文：

時間序列的元數據數據的整合揭示了微生物生態系統如何應對乾擾，Herold，M.，MartínezArbas，S.，Narayanasamy，S。等。 Nat Commun 11，5281（2020）。 https://doi.org/10.1038/s41467-020-19006-2。

它以原始格式或泡菜對象存儲在數據/緩存/example_1/中。

示例2中使用的數據來自以下論文：

大腸桿菌對生物劑的短期和長期轉錄組反應：系統分析，Merchel Piovesan Pereira，B.，Wang，X。，＆Tagkopoulos，I。（2020）。應用和環境微生物學，86（14），E00708-20。 https://doi.org/10.1128/aem.00708-20。

它以原始格式存儲在數據/緩存/示例_2/。

代碼

腳本	描述
來源/	包含運行該工具所需的所有腳本。
來源/main.py	包含構建主佈局並連接所有頁面的代碼。
來源/home.py	包含構建主頁的代碼。
源/示例_1.py	包含構建示例1頁的代碼。
源/示例_2.py	包含構建示例2頁面的代碼。
源/case_study.py	包含構建案例研究頁面的代碼。
源/upload.py	包含構建上傳頁面的代碼。
來源/common.py	包含包含所有頁面共享函數的代碼。
源/可視化	包含具有創建此工具中存在各種可視化的函數的代碼。

入門

查看我們的Wiki頁面，以獲取有關Movis及其使用的詳細信息。

安裝和跑步

穩定的

安裝該工具的最簡單方法是使用我們最新的Docker映像：

 docker pull aanzel/movis:latest
docker run --publish 8501:8501 --detach --name movis aanzel/movis:latest

您可以通過打開Web瀏覽器並輸入http：// localhost：8501/作為地址來開始使用該工具。如果運行Docker容器，則必須使用IP地址或主機名而不是本地主機。

不穩定

警告！自行使用！

您也可以克隆此存儲庫，自己構建一個Docker容器，然後在本地運行。不建議這樣做，因為我們可能會引入不穩定的功能，這些功能可能不會在下一個Movis發行中結束。以下是一系列指令（對於基於Linux的系統）運行不穩定版本的Movis：

 git clone https://github.com/AAnzel/MOVIS.git
cd MOVIS
docker build -t movis-local:unstable .
docker run --publish 8501:8501 --detach --name movis movis-local:unstable

您可以通過打開Web瀏覽器並輸入http：// localhost：8501/作為地址來開始使用該工具。如果運行Docker容器，則必須使用IP地址或主機名而不是本地主機。