文件名称：DeepSequence:生物序列家族的潜在生成变量模型
文件大小：656KB
文件格式：ZIP
更新时间：2024-05-18 05:10:03
Python
深度序列 DeepSequence是生物序列的生成，无监督的潜在变量模型。 给定多序列比对作为输入，它可以用于预测可访问的突变，提取定量特征以进行监督学习，以及生成满足明显限制的新序列库。 它将序列中的高阶依存关系建模为残基子集之间约束的非线性组合。 有关更多信息，请查看有关的论文和以下示例。 为了便于分析，我们建议使用生成比对，尽管可以使用任何序列比对。 代码库与Python 2.7和Theano 1.0.1兼容。 对于启用GPU的计算，必须单独安装CUDA。 有关更多详细信息，请参见安装。 例子 对于合理的培训时间，我们建议在GPU上对DeepSequence进行培训： THEANO_FLAGS='floatX=float32,device=cuda' python run_svi.py 但是，可以使用以下命令在CPU上运行： python run_svi.py 可在iPyth
【文件预览】：
DeepSequence-master
----.gitignore(13B)
----DeepSequence()
--------helper.pyc(17KB)
--------__init__.pyc(107B)
--------model.pyc(35KB)
--------helper.py(23KB)
--------__pycache__()
--------train.pyc(4KB)
--------model.py(57KB)
--------train.py(5KB)
----LICENSE(1KB)
----examples()
--------.ipynb_checkpoints()
--------download_pretrained.sh(130B)
--------params()
--------run_svi.py(3KB)
--------Mutation Effect Prediction.ipynb(18KB)
--------download_alignments.sh(146B)
--------Explore model outputs.ipynb(34KB)
--------README.md(401B)
--------mutations()
--------run_mle.py(3KB)
--------logs()
----README.md(1KB)
----INSTALL(1KB)