文件名称：SIMLR_PY:用于单细胞可视化和分析的SIMLR的Python实现
文件大小：18.68MB
文件格式：ZIP
更新时间：2024-05-28 18:48:24
Python
单反 这是在《自然方法》上发表的论文的python实现，该论文的标题为“通过基于内核的相似性学习对单细胞RNA-seq数据进行可视化和分析”。 概述 单细胞RNA-seq技术可实现单个细胞的高通量基因表达测量，并允许发现细胞群体内的异质性。 细胞间基因表达相似性的测量对于细胞群的鉴定，可视化和分析至关重要。 然而，由于高水平的噪声，离群值和遗漏，单细胞数据对基因表达相似性的常规测量提出了挑战。 我们开发了一种新颖的相似性学习框架SIMLR（通过多内核学习进行单细胞解释），该学习方法从数据中学习了合适的距离度量以进行降维，聚类和可视化。 与现有的降维方法相比，SIMLR能够在单细胞数据集中更准确地分离已知子种群。 此外，SIMLR对通过10x Genomics的GemCode单细胞技术生成的高通量外周血单个核细胞（PBMC）数据集表现出高灵敏度和准确性。 实施方式 我们为大型单细胞RNA
【文件预览】：
SIMLR_PY-master
----MANIFEST(100B)
----tests()
--------test_largescale.py(2KB)
--------Zeisel.mat(22MB)
----dist()
--------SIMLR-0.1.0.tar.gz(4KB)
--------SIMLR-0.0.0.tar.gz(4KB)
--------SIMLR-0.1.1.tar.gz(4KB)
--------SIMLR-0.1.3.tar.gz(4KB)
----SIMLR.egg-info()
--------PKG-INFO(305B)
--------SOURCES.txt(172B)
--------top_level.txt(6B)
--------dependency_links.txt(1B)
----requirements.txt(72B)
----setup.py(827B)
----Makefile(78B)
----SIMLR()
--------helper.py(3KB)
--------core.py(8KB)
--------__init__.pyc(179B)
--------__init__.py(29B)
--------core.pyc(9KB)
--------helper.pyc(4KB)
----README.md(3KB)
----LICENSE.txt(1KB)
----build()
--------lib.linux-x86_64-2.7()