sepal 다운로드 - sepal 소스 코드 다운로드

sepal

기타 소스코드

다운로드

sepal : 확산 기반 모델링을 통해 공간 패턴으로 전사 프로필 식별

이 저장소에는 다음이 포함되어 있습니다.

sepal python 패키지 및 설치 파일
튜토리얼 및 사용 예(CLI 및 가져온 패키지)
출판물에 사용된 데이터
출판물에 제시된 결과

다운로드 및 설치

sepal python3 필요하며, 가급적이면 3.5 이상의 버전이 필요합니다. 다운로드 및 설치하려면 터미널을 열고 sepal 다운로드할 디렉터리로 변경한 후 다음을 수행하세요.

git clone https://github.com/almaan/sepal.git
cd sepal
chmod +x setup.py
./setup.py install

사용자 권한에 따라 --user setup.py 에 인수로 추가해야 할 수도 있습니다. 설정을 실행하면 확산 시간을 계산하는 데 필요한 최소한의 설치가 제공됩니다. 그러나 분석 모듈을 사용하려면 권장 패키지도 설치해야 합니다. 이렇게 하려면 (동일한 디렉터리에서) 다음을 실행하면 됩니다.

pip install -e " .[full] "

다시 말하지만 --user 포함해야 할 수도 있습니다. 또한 이것이 python-pip 인터페이스를 설정한 방식인 경우 pip3 사용해야 할 수도 있습니다. conda 또는 가상 환경을 사용하는 경우 패키지 설치에 대한 권장 사항을 따르십시오.

이렇게 하면 명령줄 인터페이스(CLI)와 표준 패키지가 모두 설치되어야 합니다. 설치가 성공했는지 테스트하고 확인하려면 다음 명령을 실행해 볼 수 있습니다.

sepal -h

sepal과 관련된 도움말 메시지를 인쇄해야 합니다. 지금까지 모든 것이 잘 진행되었다면 예제 섹션으로 이동하여 sepal 실제로 작동하는 모습을 볼 수 있습니다!

예

CLI

sepal의 권장 사용은 명령줄 인터페이스를 사용하는 것입니다. 확산 시간을 계산하기 위한 시뮬레이션과 결과의 후속 분석 또는 검사는 sepal 입력하고 run 또는 analyze 수행하여 쉽게 수행할 수 있습니다. analyze 모듈에는 결과 시각화( inspect ), 프로필을 패턴 계열( family )로 정렬 또는 식별된 계열에 기능 강화 분석( fea )을 적용하는 등 다양한 옵션이 있습니다. 사용 가능한 전체 명령 목록을 보려면 sepal module -h 수행하세요. 여기서 module 은 run 및 analyze 중 하나입니다. 아래에서는 sepal을 사용하여 공간 패턴이 있는 전사 프로필을 찾는 방법을 보여줍니다.

결과를 저장할 폴더를 생성할 것입니다. 이 폴더는 작업 디렉터리로도 사용됩니다. 저장소의 기본 디렉터리에서 다음을 수행합니다.

 cd res
mkdir example
cd example

MOB 샘플은 분석의 예시로 사용됩니다. 각 전사 프로필에 대한 확산 시간 계산부터 시작합니다.

sepal run -c ../../data/real/mob.tsv.gz -mo 10 -mc 5 -o . -ar 1

다음은 이것이 어떻게 보일지에 대한 예(help 명령의 추가 표시 포함)입니다.

CLI 실행 예시

확산 시간을 계산한 후 결과를 조사하고 싶습니다. 연구에서처럼 상위 20개 프로필을 살펴보겠습니다. 다음 명령을 실행하여 결과에서 이미지를 쉽게 생성할 수 있습니다.

 sepal analyze -c ../../data/real/mob.tsv.gz 
-r 20200409173043610345-top-diffusion-times.tsv 
-ar 1k -o . inspect -ng 20 -nc 5

다음과 같은 내용이 보일 것입니다.

CLI 분석 예시

출력은 다음 이미지가 됩니다.

분석 출력

그런 다음 상위 100개 유전자를 패턴군 세트로 정렬하려면 다음을 수행하십시오. 여기서 패턴 분산의 85%는 고유 패턴으로 설명됩니다.

sepal analyze -c ../../data/real/mob.tsv.gz 
-r 20200409173043610345-top-diffusion-times.tsv 
-ar 1k -o . family -ng 100 -nbg 100 -eps 0.85 --plot -nc 3

이를 통해 우리는 각 가문에 대한 다음과 같은 세 가지 대표적인 모티프를 얻습니다.

대표적인 모티프

다음을 실행하여 가족을 강화 분석할 수 있습니다.

sepal analyze -c ../../data/real/mob.tsv.gz 
      -r 20200409173043610345-top-diffusion-times.tsv 
   -ar 1k -o . fea -fl mob.tsv-family-index.tsv -or " mmusculus "

예를 들어 Family 2에는 신경 기능, 생성 및 조절과 관련된 여러 프로세스가 풍부하다는 것을 알 수 있습니다.

	가족	토종의	이름	p_값	원천	교차로_크기
2	2	GO:0007399	신경계 발달	0.00035977	GO:BP	26
3	2	GO:0050773	수상돌기 발달 조절	0.000835883	GO:BP	8
4	2	GO:0048167	시냅스 가소성 조절	0.00196494	GO:BP	8
5	2	GO:0016358	수상돌기 발달	0.00217167	GO:BP	9
6	2	GO:0048813	수상돌기 형태형성	0.00741589	GO:BP	7
7	2	GO:0048814	수상돌기 형태형성의 조절	0.00800399	GO:BP	6
8	2	GO:0048666	뉴런 발달	0.0114088	GO:BP	16
9	2	GO:0099004	칼모듈린 의존성 키나제 신호전달 경로	0.0159572	GO:BP	3
10	2	GO:0050804	화학적 시냅스 전달의 조절	0.0341913	GO:BP	10
11	2	GO:0099177	시냅스 신호의 조절	0.0347783	GO:BP	10

물론 이 분석이 결코 완전한 것은 아니다. 그러나 sepal 에 대해 CLI를 작동하는 방법을 보여주는 간단한 예입니다.

가져온 패키지로

sepal 독립 실행형 도구로 설계되었지만 통합 워크플로에서 기능을 가져와 사용할 수 있는 표준 Python 패키지로도 작동하도록 구성했습니다. 이것이 어떻게 수행될 수 있는지 보여주기 위해 흑색종 분석을 재현하는 예를 제공합니다. 나중에 더 많은 예제가 추가될 수 있습니다.

흑색종 분석 : LINK

지원되는 파일 및 형식

sepal 에 대한 입력은 n_locations x n_genes 형식이어야 합니다. 그러나 데이터가 반대 방식( n_genes x n_locations )으로 구성된 경우 시뮬레이션이나 분석을 실행할 때 --transpose 플래그를 제공하면 이 문제가 처리됩니다. 의.

현재 .csv , .tsv 및 .h5ad 형식을 지원합니다. 후자의 경우 파일은 이 형식에 따라 구성되어야 합니다. 가까운 시일 내에 공간 데이터에 대한 표준화된 형식이 제시되는 scanpy 팀의 릴리스가 있을 것으로 예상하지만 그때까지는 앞서 언급한 표준을 사용할 것입니다.