IMC数据分析的管道和实用工具。
imcpipeline的Python项目详细描述
成像质谱仪管道
这是一个处理成像质量细胞术(IMC)数据的管道。在
它主要基于Vito Zanotelli's pipeline。
它执行图像预处理和过滤,使用
^{
管道可以在独立模式下使用,也可以与imcrunner
一起使用,以便
以分布式方式并行处理多个样本,例如
计算机、云端或高性能计算集群(HPC)。
这是由于使用了轻量级计算配置管理器
divvy。在
要求和安装
要求:
- Python>;=3.7
- 在本地安装中:
docker
、singularity
、conda
或{}之一。在
安装方式:
pip install imcpipeline
确保有更新的PIP版本。 开发和测试只在Linux上进行。如果有人对 在MacOS/Windows中维护这个存储库可以自由地提交一个PR
快速入门
演示
您可以使用--demo
标志运行演示数据集:
管道将尝试使用本地cellprofiler
安装,docker
或
singularity
如果有的话,按这个顺序排列。
输出文件位于imcpipeline_demo_data
目录中。在
在数据上运行
要在实际数据上运行管道,只需指定输入和输出
目录。可以提供一个经过训练的ilastik
模型,如果没有,用户将
被提示训练它。在
imcpipeline \
--container docker \
--ilastik-model model.ilp \
-i input_dir -o output_dir
如果docker
或{conda
环境或仅为
cellprofiler
命令如下:
imcpipeline \
--cellprofiler-exec \
"source ~/.miniconda2/bin/activate && conda activate cellprofiler && cellprofiler"
--ilastik-model model.ilp \
-i input_dir -o output_dir
要只对单个样本运行一个步骤,请使用-s/--step
参数:
imcpipeline \
--step segmentation \
-i input_dir -o output_dir
或以相同方式提供多个连续步骤:
imcpipeline \
--step predict,segmentation \
-i input_dir -o output_dir
为特定计算配置中的各种样本运行管道 (more details in the documentation):
imcrunner \
--divvy-configuration slurm \
metadata.csv \
--container docker \
--ilastik-model model.ilp \
-i input_dir -o output_dir
文件
有关管道的其他详细信息,see the documentation。在
相关软件
- Vito Zanotelli's pipeline
- 在Nextflow中实现的类似管道。在
- 项目
标签: