cameo
0.13.6
Cameo est une bibliothèque Python de haut niveau développée pour faciliter le processus de conception de souches dans les projets d'ingénierie métabolique. La bibliothèque fournit un cadre modulaire de méthodes de simulation et de conception de déformations qui cible les développeurs souhaitant développer de nouveaux algorithmes de conception et des flux de travail d'analyse personnalisés. De plus, il expose une API de haut niveau aux utilisateurs qui souhaitent simplement calculer des conceptions de souches prometteuses.
Curieux? Rendez-vous sur try.cameo.bio et essayez-le.
Veuillez citer https://doi.org/10.1021/acssynbio.7b00423 si vous avez utilisé Cameo dans une publication scientifique.
Utilisez pip pour installer cameo depuis PyPI.
$ pip installer camée
Si vous avez téléchargé ou cloné le code source depuis GitHub ou votre propre fork, vous pouvez exécuter ce qui suit pour installer cameo pour le développement.
$ pip install -e <chemin-vers-cameo-repo> # recommandé
Vous devrez peut-être exécuter ces commandes avec des privilèges administratifs si vous n'utilisez pas d'environnement virtuel (en utilisant sudo par exemple). Veuillez consulter la documentation pour plus de détails.
La documentation est disponible sur cameo.bio. De nombreux notebooks Jupyter fournissent des exemples et des didacticiels et font également partie de la documentation. Ils sont également disponibles sous forme exécutable sur (try.cameo.bio). De plus, les supports de cours pour un cours d'ingénierie d'usine de cellules de deux jours sont disponibles ici.
Calculez les stratégies d'ingénierie des souches pour un produit souhaité dans un certain nombre d'organismes hôtes à l'aide de l'interface de haut niveau (la durée d'exécution est de l'ordre de quelques heures).
à partir de la conception d'importation de cameo.api conception(produit='L-Sérine')
Sortir
L'API de haut niveau peut également être appelée depuis la ligne de commande.
$ camée design vanilline
Pour plus d'informations, exécutez
$ camée --help
Trouvez des cibles d'inactivation de gènes à l'aide du calcul évolutif.
à partir de modèles d'importation de camée
à partir de cameo.strain_design.heuristic importer GeneKnockoutOptimization
depuis cameo.strain_design.heuristic.objective_functions importer biomass_product_coupled_yield
modèle = models.bigg.e_coli_core
obj = biomasse_product_coupled_yield(
model.reactions.Biomass_Ecoli_core_w_GAM,
model.reactions.EX_succ_e,
model.reactions.EX_glc_e)
ko = GeneKnockoutOptimization(model=model, objective_function=obj)
ko.run(max_evaluations=50000, n=1, mutation_rate=0,15, indel_rate=0,185)
Sortir
Prévoyez les voies hétérologues pour un produit chimique souhaité.
depuis cameo.strain_design importer path_prediction prédicteur = path_prediction.PathwayPredictor (modèle) voies = prédicteur.run(product="vanillin")
Sortir
...sont les bienvenus ! Veuillez lire les lignes directrices pour savoir comment contribuer.
