监督FRET事件检测算法
FRET-board的Python项目详细描述
#FRET板：监督您的FRET检测算法 ####[卡洛斯·德兰诺伊]（https://www.vcard.wur.nl/Views/Profile/View.aspx?id=77824），[迪克·德·里德]（https://www.vcard.wur.nl/Views/Profile/View.aspx?id=56806&ln=eng）
freteboard帮助您训练算法，以检测Förster共振能量转移事件 （半）监督方式。在
##运行 FRETboard在[Heroku]（https://fret-board.herokuapp.com/）上可以作为web应用程序使用，也可以自己安装 使用pip的系统：
` pip install git+https://github.com/cvdelannoy/poreTally.git ` 然后从命令行启动FRETboard，如下所示：
` FRETboard ` 随机空闲端口上的会话将自动启动。在
使用 使用FRETboard训练算法很容易；只需按照屏幕左栏中的步骤操作即可： ![GUI示例]（FRETboard_示例_屏幕.png)在
1。装载 从下拉菜单中选择一个算法。目前有两种类型可供选择： -香草隐马尔可夫模型（HMM）是一种简单的全连通HMM，它适用于低噪声数据。 -边界感知HMM试图通过在状态之间的边界添加额外的状态来改进状态检测 想识别，哪一个在嘈杂的痕迹中效果更好。在
现在可以加载以前使用freteboard时的模型参数（如果有），否则将启动 一个新的模型。然后用data按钮加载数据。在
二、二。教 加载数据后，您将看到一个随机的示例跟踪。发现一个错误？滑动“更改选择” 滑动到要引入或展开的状态，然后单击并拖动到屏幕中的轨迹上。你现在有了 调整了痕迹的标记。一旦您对当前跟踪满意，请单击“训练”重新训练 以你刚才所做的修改为指导的算法。在
在此阶段，您还可以使用其他一些选项： -状态数：更改HMM将尝试适应的状态数。请注意，更改此值将重置模型！ -影响监督：在培训过程中选择被监督实例的权重。1表示完全监督的培训， 0表示受监督的示例根本不起作用。 -缓冲区：如果您正在训练一个边界感知HMM（以及将来可能的其他算法），请选择边界状态应该覆盖多少个数据点。作为一个 根据经验，检查从一个状态转换到下一个状态需要多少个测量值，然后在这里选择它作为一个值。 -显示带有状态的跟踪：取消选择某个状态会将包含该状态的跟踪从进一步的监视中删除。 -删除：删除当前跟踪。在
三。保存 您现在可以使用“数据”按钮下载机器上的分类跟踪。产生 [报告]（FRETboard_示例_报告.html)（在浏览器中下载并查看）查看 生成模型参数，以及一些方便的汇总统计数据和图表或将模型下载到 下次使用相同的参数快速分类数据。取消选择此处的某些状态将忽略包含 保存文件中的状态。在
编写新算法 如果您想将一种新的（半）监督算法引入到FRETboard中，您可以很容易地做到；请遵循 说明书[模板]（型号_模板.py)一切都应该相应地运转。请考虑提出请求 如果您认为您的实现可能对其他人有用！当然，投稿人会得到公平的评价。在
在- 来自瓦赫宁根大学
- 项目
标签：
欢迎加入QQ群-->： 979659372
