keras-synthetic-genome-sequence 1.1.4

如何安装此软件包？在

像往常一样，只需使用pip下载：

pip install keras_synthetic_genome_sequence

测试覆盖率

因为有些软件处理有时 得到稍微不同的结果，这里有三个结果：

使用示例

使用GapSequence训练你的keras模型 将需要获取 你打算在你的合成缺口中模拟生物缺口。在

为了实现这一点，这个包提供了一个名为 获取“差距”统计信息，它允许您获得 在给定的基因组组合中，间隙的平均值和协方差。在

基因组汇编自动从UCSC下载 使用ucsc_genomes_downloader， 然后提取其中包含的间隙，并提取它们的窗口 在过滤给定的 最大间隙大小，因为您可能希望将间隙大小限制为 一个相对较小的（差距可以达到数万个 例如端粒中的核苷酸）。在

首先列出所有重要参数：

现在我们可以从检索差距统计数据开始：

fromkeras_synthetic_genome_sequence.utilsimportget_gaps_statisticsnumber,mean,covariance=get_gaps_statistics(assembly=assembly,max_gap_size=100,window_size=window_size)print("I have identified {number} gaps!".format(number=number))

现在你必须选择一个基本的事实来应用 合成间隙，例如 基因组组合hg19，染色体chr1。 这些地区将不得不被流苏化为更小的 与所选形状兼容的块 差距统计窗口大小。 我们可以按如下方式检索这些区域：

fromucsc_genomes_downloaderimportGenomefromucsc_genomes_downloader.utilsimporttessellate_bedgenome=Genome(assembly,chromosomes=["chr1"])ground_truth=tessellate_bed(genome.filled(),window_size=window_size)

获得的pandas数据帧将具有类似床的格式 如下所示：

现在我们准备好实际创建GapSequence：

fromkeras_synthetic_genome_sequenceimportGapSequencegap_sequence=GapSequence(assembly=assembly,bed=ground_truth,gaps_mean=mean,gaps_covariance=covariance,batch_size=batch_size)

现在，有一个模型 输入和输出形状（批处理大小、窗口大小、4）， 我们可以按如下方式进行训练：

model=build_my_denoiser()model.fit_generator(gap_sequence,steps_per_epoch=gap_sequence.steps_per_epoch,epochs=2,shuffle=True)

去噪快乐！在

生物分布与合成分布的比较

以下图片是关于生物分布和合成分布 考虑到hg19，hg38，mm9和mm10基因组装配中的缺口 缺口长度可达100个核苷酸，窗口总大小为1000个。 用于将多元高斯分布转换为整数的阈值 是0.4，这是python包中使用的默认值。在