spfy

spfy ：用于从大肠杆菌全基因组序列预测亚型的平台，并为全人群比较分析构建图形数据。

发布为：Le,KK, Whiteside,MD, Hopkins,JE, Gannon,VPJ, Laing,CR spfy ：用于实时预测细菌表型和下游比较分析的集成图形数据库。数据库（2018）卷。 2018：文章ID bay086； doi:10.1093/数据库/bay086

直播：https://lfz.corefacility.ca/superphy/spfy/

使用：

1. 安装 Docker（如果您使用的是 Linux，则单独安装 Docker-Compose，链接）。 mac/windows 用户已将 Compose 与 Docker 引擎捆绑在一起。
2. git clone --recursive https://github.com/superphy/spfy.git
3. cd spfy /
4. docker-compose up
5. 访问 http://localhost:8090
6. 吃蛋糕吗？

子模块构建状态：

EC打字机：

泛预测：

Conda 的 Docker 镜像：

统计数据：

比较不同人群：

子类型化模块的运行时：

CLI：生成图形文件：

• 如果您只想创建 rdf 图（序列化为海龟文件）：

1. 首先安装 miniconda 并从 https://raw.githubusercontent.com/superphy/docker-flask-conda/master/app/environment.yml 激活环境
2. cd 进入 app 文件夹（RQ 工作人员通常从中运行）： cd app/
3. 像这样运行 savvy.py： python -m modules/savvy -i tests/ecoli/GCA_001894495.1_ASM189449v1_genomic.fna其中-i之后的参数是您的基因组 (FASTA) 文件。

CLI：生成本体：

spfy的本体位于： https://raw.githubusercontent.com/superphy/backend/master/app/scripts/spfy_ontology.ttl 它是使用 https://raw.githubusercontent.com/superphy/backend/master 生成的/app/scripts/generate_ontology.py 具有来自spfy后端代码的共享函数。如果您想运行它，请执行以下操作： 1. cd app/ 2. python -m scripts/generate_ontology这会将本体放在app/中

您可以使用 http://www.visualdataweb.de/webvowl/ 从 .ttl 文件生成漂亮的图表

CLI：无需 Reactapp 即可对子类型任务进行排队：

笔记

当前仅设置为 .fna 文件

您可以绕过前端网站并仍然通过以下方式对子类型作业进行排队：

1. 首先，将包含所有基因组文件的主机目录挂载到容器中的/datastore 。

例如，如果您将文件保存在/home/bob/ecoli-genomes/ ，则需要编辑docker-compose.yml文件并替换：

 volumes :
- /datastore

和：

 volumes :
- /home/bob/ecoli-genomes:/datastore

2. 然后取下你的 docker 组合（如果它已启动）并重新启动它

docker-compose down
docker-compose up -d

3. 将其放入 Web 服务器容器中（尽管工作容器也可以工作）并运行脚本。

docker exec -it backend_webserver_1 sh
python -m scripts/sideload
exit

请注意，您的基因组文件夹中可能会创建残留物。

建筑学：

Docker镜像	端口	姓名	描述
后端-rq	80/t cp，443/tcp	后端_worker_1	主要的Redi队列工作者
后端 - rq-b laze 图 h	80/t cp，443/tcp	back end_work ker-blaz egra ph-i ds_ 1	此手 les spfy ID 基因比率为 blaz egra ph 数据库
后端	0.0。 0.0: 8000 ->80 /tcp , 443/tcp	back end_web -ngi nx -u wsgi _1	处理排队任务的 Flask 后端
超级 rphy /bla zegr aph：2.1。 4-推理	0.0。 0.0: 8080 ->80 80/吨cp	后端_bla zegr aph_1	Blaz egraph 数据库
雷迪：3。 2	6379/tcp	后端_红色是_ 1	Redis的数据库
反应塔普	0.0。 0.0: 8090 ->50 00/吨cp	后端_rea ctap p_1	前端到spfy

更多详情：

superphy/backend-rq:2.0.0镜像是可扩展的：您可以根据需要/拥有处理能力创建任意数量的实例。该图像负责侦听multiples队列（12 个工作线程），该队列处理大部分任务，包括RGI调用。它还监听运行ECTyper singles队列（1 个工作线程）。这样做是因为RGI是方程中最慢的部分。工人管理由supervisor处理。

superphy/backend-rq-blazegraph:2.0.0镜像不可扩展：它负责查询 Blazegraph 数据库中的重复条目并按顺序分配spfy ID。它的功能尽可能保持最少，以提高性能（因为 ID 生成是并行管道中的一个瓶颈）；比较是通过提交文件的 sha1 哈希来完成的，非重复文件通过将生成的spfy ID 链接到文件哈希来保留其 ID。工人管理由supervisor处理。

运行 Flask 端点superphy/backend:2.0.0使用supervisor来管理内部进程： nginx 、 uWsgi 。

火焰图：

• 我们当前运行的是 Blazegraph 版本 2.1.4。如果您想单独运行 Blazegraph，请使用相同的版本，否则端点 url/返回可能会出现问题（即版本 2.1.1）。请参阅#63 或者，在/app/config.py中的database['blazegraph_url']下相应修改端点

贡献：

添加新模块所需的步骤记录在开发人员指南中。