MetNormalizer
安装
您可以从安装MetNormalizer 。
# Install `MetNormalizer` from GitHub
if ( ! require( devtools )){
install.packages( " devtools " )
}
devtools :: install_github( " jaspershen/MetNormalizer " )
我们使用demoData包中的演示数据来演示如何使用MetNormalizer 。 请先安装它。
devtools :: install_github( " jaspershen/demoData " )
用法
演示数据
library( demoData )
library( MetNormalizer )
path <- system.file( " MetNormalizer " ,
2022-03-17 13:50:13
1.65MB
1
metPath
关于
metPath是一个R包，用于对脂质组学数据进行绝对定量。
安装
您可以从安装metPath 。
if ( ! require( devtools )){
install.packages( " devtools " )
}
devtools :: install_github( " jaspershen/metPath " )
用法
请参阅“页面以获取metPath的说明。
需要帮忙？
如果您有任何quesitions metPath ，请不要犹豫，给我发电子邮件（ ）。
引文
如果您在出版物中使用metPath，请引用该出版物：
X.Shen，R.Wang，X.Xiong，Y.Yin，Y.Cai，Z.Ma，N.Liu和Z.-J. Zhu *（通讯作者），基于代谢React网络的非目标代谢组学的递归代谢物注释，Nature Communications，20
2022-03-14 11:33:41
50.65MB
1
蕨菜2.6丰度估计
有关蕨菜的新闻，更新和说明，请访问： :
Bracken的同行评审论文（2017年1月2日发布）： ：
安装
Bracken是Kraken 1或Kraken 2的配套程序，而Kraken在分类树中将读取分类为多个级别，而Bracken允许使用这些分类在单个级别上估计丰度（例如Bracken可以估计样本中物种的丰度）。
在安装Bracken之前，请先安装Kraken：可从此处下载Kraken： ：
轻松安装Bracken：
bash install_bracken.sh
硬蕨安装：
cd src/ && make
Add bracken/bracken-build and scripts in src/ to your PATH
重要信息：蕨菜与MPA风格的报告不兼容。 Bracken需要kraken / kraken2中的默认报告格式。
蕨菜2.5.
2022-02-22 13:15:40
146KB
1
代谢组学SERRF校正批次效应测试数据集 example dataset
2022-02-21 09:09:37
2.1MB
1
埃尔·Maven
直观的开源LC-MS数据处理工具
从
指数
产品特点
和具有以下功能：
多文件色谱比对仪
峰值特征检测器
同位素计算器
El-MAVEN与Maven相比，功能强大，速度更快且具有更多用户友好功能，并且包括以下附加功能：
加合物计算器
碎片光谱匹配
峰编辑器
下载
El-MAVEN安装程序可用于Windows（7及更高版本）和Mac OS（10.12及更高版本）。 用户可以从下载这些平台的最新版本。
从源代码构建
贡献者和开发人员可以按照以下说明在Windows，Ubuntu或Mac OS上构建El-MAVEN。
建立开发环境
设置开发环境（仅64位平台）
三种操作系统
2022-02-11 23:15:11
266.36MB
1
基因组数据可用性的激增有望确定观察到的个体性状的遗传原因，并将其应用于发现表型的遗传根源等问题，无论是基因表达或代谢物浓度等分子表型，还是疾病等复杂表型。然而，这些数据集的规模不断扩大，以及相关算法的二次、三次或更高的缩放特性，带来了严重的计算挑战，需要使用领导力规模计算。在本文中，我们描述了一种执行向量相似性度量计算的新方法，适用于配备图形处理单元（GPU）或英特尔至强Phi处理器的并行系统。我们主要关注应用于全基因组关联研究（GWAS）和全表型关联研究（PheWAS）的比例相似性度量。我们描述了算法在加速处理器上的实现，用于消除对称性导致的冗余计算的方法，以及将计算有效映射到多节点并行系统的技术。
结果表明，在ORNL Titan系统上，每节点的高性能和并行可扩展性，每秒的元素比较速率超过5万亿（5×1015）。在一篇配套论文中，我们描述了用于计算比较基因组学应用的自定义相关系数的相应技术。
2022-02-09 18:01:59
3.98MB
GAT_蛋白质组学
GAT进行蛋白质组学网络分类
工作流程
先决条件
用户需要安装python（ ）和一些python软件包：
[火炬]
[dgl]
[numpy]
[熊猫]
[networkx]
[matplotlib]
数据准备和模型训练
将网络/一组网络的边缘文件，节点特征文件和标签文件添加到文件夹“数据”中。
对于图分类，需要一组图。
运行python脚本“ graph_classification.py”来训练和验证GAT模型。 训练有素的模型将存储在“模型”文件夹中。
python graph_classification.py根edge.file node.feature.file graph.label
运行python脚本“ graph_evaluation.py.py”以使用经过训练的模型对其他数据集进行预测。
python graph_evaluat
2022-01-20 19:57:32
844KB
1
毕业设计资料基于深度学习CT影像组学的活体猪肌内脂评估系统的设计与实现源码
2022-01-01 09:07:03
209.98MB