文件名称：pyprophet:先知
文件大小：12.34MB
文件格式：ZIP
更新时间：2024-06-10 00:45:23
python semi-supervised-learning proteomics mass-spectrometry swath-ms
先知 PyProphet：OpenSWATH结果的半监督学习和评分。 PyProphet是mProphet算法[1]的Python重新实现，该算法针对通过数据独立采集（DIA）采集的SWATH-MS数据进行了优化。 该算法最初发表于[2]，此后已扩展为支持新的数据类型和分析模式[3,4]。 请以获取使用说明和帮助。 莱特尔L，R内O，Picotti P，HüttenhainR，贝克男，Brusniak MY，Hengartner MO，Aebersold R. mProphet：自动数据处理和统计验证用于大规模SRM实验。 Nat方法。 2011年5月； 8（5）：430-5。 EPUB 2011年3月20日。 TelemanĴ，罗斯特HL，罗森伯格G，施密特U，马尔姆斯特伦L，马尔姆斯特伦Ĵ，Levander F. DIANA -数据无关的采集MS数据的分析算法的改进。 生物信
【文件预览】：
pyprophet-master
----setup.py(2KB)
----.gitignore(322B)
----Dockerfile(230B)
----dist-scripts()
--------manylinux.patch(371B)
--------create-manylinux.sh(1KB)
----.travis.yml(764B)
----MANIFEST.in(21B)
----pyprophet()
--------semi_supervised.py(7KB)
--------classifiers.py(8KB)
--------optimized.py(26B)
--------export_compound.py(6KB)
--------__init__.py(0B)
--------ipf.py(18KB)
--------filter.py(5KB)
--------_optimized.c(968KB)
--------levels_contexts.py(33KB)
--------stats.py(16KB)
--------report.py(4KB)
--------main.py(32KB)
--------data_handling.py(11KB)
--------_optimized.pyx(9KB)
--------runner.py(23KB)
--------export.py(23KB)
--------pyprophet.py(15KB)
----LICENSE(1KB)
----setup.cfg(33B)
----.github()
--------workflows()
----README.md(3KB)
----sandbox()
--------compare.py(2KB)
--------test_qvalue_ref_data.csv(168KB)
--------reproduce_r.sh(681B)
--------ludovic.py(2KB)
--------generate_storey_ref_data.R(920B)
--------p_values.txt(9KB)
----tests()
--------.gitignore(18B)
--------data()
--------test_pyprophet_levels_contexts.py(3KB)
--------test_pyprophet_export.py(5KB)
--------__init__.py(0B)
--------test_ipf.py(3KB)
--------README.md(1KB)
--------test_optimized.py(6KB)
--------test_pyprophet_ipf.py(3KB)
--------test_stats.py(5KB)
--------test_data_handling.py(2KB)
--------_regtest_outputs()
--------test_pyprophet_score.py(8KB)