文件名称：matlab有些代码不运行-ssps:稀疏信号通路采样：MCMC用于信号通路推断
文件大小：559KB
文件格式：ZIP
更新时间：2024-06-12 17:12:49
系统开源
matlab有些代码不运行稀疏信号通路采样 与手稿有关的代码（Merrell＆Gitter，2020）生物信息学，36：Supplement_2，i822–i830。 该存储库包含以下内容： SSPS ：一种使用时间序列数据推断变量之间关系的方法。 建模假设：时间序列数据是由动态贝叶斯网络（DBN）生成的。 推理策略：在可能的DBN结构上进行MCMC采样。 实施：用Julia（Julia）编写，使用 分析代码： 模拟研究； 收敛分析； 实验数据评估； 用于管理所有分析。 安装和基本设置 （如果您打算重现所有分析，请确保您位于可以访问大量CPU的主机上。理想情况下，您将可以访问某种类型的集群。） 克隆此存储库 git clone git@github.com:gitter-lab/ssps.git 安装Julia 1.4 （以及所有Julia依赖项） 在此处下载正确的Julia二进制文件：。 例如，对于Linux x86_64： $ wget https://julialang-s3.julialang.org/bin/linux/x64/1.4/julia-1.4.2-linux-x8
【文件预览】：
ssps-master
----funchisq()
--------funchisq_wrapper.R(3KB)
----.gitignore(254B)
----Snakefile(19KB)
----run_ssps()
--------Snakefile(2KB)
--------example_prior.csv(13KB)
--------example_node_names.json(736B)
--------ssps_config.yaml(662B)
--------example_timeseries.csv(21KB)
----analysis_config.yaml(2KB)
----LICENSE.txt(1KB)
----SSPS()
--------Project.toml(1KB)
--------ssps_wrapper.jl(51B)
--------src()
--------precompile_script.jl(36B)
--------Manifest.toml(30KB)
----.gitmodules(122B)
----.github()
--------workflows()
----hill-method()
--------dynamic_network_inference.m(20KB)
--------hill_dbn_wrapper.m(3KB)
----scripts()
--------changepoint_vec.jl(5KB)
--------sim_heatmap.py(6KB)
--------scoring.jl(8KB)
--------nested_data.jl(2KB)
--------prior_baseline.jl(1KB)
--------script_util.py(3KB)
--------convergence_viz.py(3KB)
--------lasso.jl(4KB)
--------score_dream.py(5KB)
--------preprocess_dream_prior.py(1KB)
--------tabulate_scores.py(466B)
--------simulate_data.jl(9KB)
--------tabulate_timetest_results.py(521B)
--------json_to_genie.py(1KB)
--------dream_barchart.py(2KB)
--------postprocess_samples.jl(8KB)
--------tabulate_mcmc_expense.py(2KB)
--------concatenate_samples.py(2KB)
--------preprocess_dream_ts.py(5KB)
----README.md(8KB)
----dream-challenge()
--------train()
--------prior()
--------test()
----tests()
--------ssps_csv.sh(535B)
--------baseline_predictions.genie(95KB)
--------environment.yml(161B)