DeepM6ASeq的安装及使用方法 – sci666

一、软件下载安装

1．从https://github.com/rreybeyb/DeepM6ASeq网址下载DeepM6ASeq安装包，之后解压安装包。

下面简要描述data，demo_test和result文件夹内容：

  – trained_models: 存储人，鼠和斑马鱼训练完成的模型。

  – tomtom: TOMTOM将训练得到的motif与已知motif比对的结果。

  – RSAT: 存储训练得到的motif簇。

2. 安装DeepM6ASeq的依赖包。首先确定自己的python是python 3.x版本的。接下来安装numpy, pytorch以及 scikit_learn。笔者推荐利用miniconda创建虚拟环境安装这些依赖包，下面是笔者安装时利用的命令。

conda create -n py3.7 python=3.7 -y

conda activate py3.7

conda install numpy

conda install pytorch

pip install scikit_learn

pip install Bio

conda install r-ggplot2 -y

conda install r-data.table -y

二、软件使用

1.第一个功能是训练模型。

命令：

python main_train.py -m model_type -pos_fa pos_fa -neg_fa neg_fa -od out_dir

参数：

-pos_fa/neg_fa: 这个参数需要阳性样本/阴性样本的fasta文件，并且要求序列长度不超过101bp。

命令：

python main_test.py -m model_type -infa input_fa -md model_dir -outfn out_fn

参数介绍：

命令：

python saliency_map.py -m model_type -infa input_fa -md model_dir -outfn out_fn

Rscript saliency_heatmap.R saliency_map_out pdf_name

参数介绍：

注意：saliency_map.py脚本用来得到给定序列的显著图，结果的可视化是利用saliency_heatmap.R脚本实现。

4. 结果评估

针对预测结果评估，作者分别给出了哺乳动物，人，鼠和斑马鱼的阈值，分为中等，高，很高这三个等级，分别对应模型特异性为90%，95%，99%。

本站是提供个人知识管理的网络存储空间，所有内容均由用户发布，不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息，谨防诈骗。如发现有害或侵权内容，请点击一键举报。