talleres de datos espaciales

Taller: introducción al marco SpatialData

Instalación de los paquetes necesarios

Usando conda/mamba

Usaremos conda o mamba (más rápido) como administrador de paquetes aquí, dependiendo de lo que esté instalado en el archivo de enseñanza. Esto permite configurar todo el entorno con un solo comando.

1. cree el entorno conda desde el archivo 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. activar el ambiente

   conda activate spatialdata-workshop

3. registrar el entorno conda en Jupyter

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

4. Opcionalmente: configure el autocompletado dentro de Jupter Notebooks

   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 en algún momento modifica el environment.yaml y desea actualizar el entorno, puede hacerlo con

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

Descargando los datos

1. Activar el entorno como se explicó anteriormente.

   conda activate spatialdata-workshop

2. Ejecute el siguiente comando para descargar los datos.

    # 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

Notas sobre los datos:

• Los conjuntos de datos se han procesado manualmente para reducir el tamaño del archivo, eliminando ciertos datos, metadatos o reduciendo algunos de los tamaños de las imágenes. Debido al tamaño reducido, los conjuntos de datos no son representativos de los datos originales ni de la tecnología que han estado utilizando para perfilarlos. Por lo tanto, no deben utilizarse para ningún ejemplo científico o comparación entre tecnologías.
• El conjunto de datos MERFISH proviene del prototipo del oleoducto MERFISH del Instituto Allen y no es representativo de la nueva tecnología comercial MERFISH. Elegimos el primero porque es liviano y ya analizado.

ejecutando los cuadernos

1. Activar el entorno como se explicó anteriormente.

   conda activate spatialdata-workshop

2. Iniciar JupyterLab

   jupyter-lab

Eventos

Aquí puede encontrar una lista de nuestros talleres anteriores, incluidos los respectivos cuadernos y diapositivas.

• 09/09/2024: (Tim Treis) Diapositivas de cuadernos del Simposio de biología espacial BioTrac
• 2024/09/11: (Luca Marconato) Diapositivas de cuadernos de taller de conferencia scverse
• 25/09/2024: (Wouter-Michiel Vierdag, Luca Marconato) Serie de seminarios web 'Avances en ómica espacial' de EBI; (Luca Marconato) Diapositivas de cuadernos de FoG Live
• 22/10/2024: (Luca Marconato) BIOINFO 2024, diapositivas de cuadernos de Gyeongju (Corea del Sur)