این تعهد متعلق به هیچ شعبه ای در این مخزن نیست و ممکن است متعلق به یک چنگال در خارج از مخزن باشد.

نام در حال استفاده

یک برچسب در حال حاضر با نام شاخه ارائه شده وجود دارد. بسیاری از دستورات GIT نام برچسب و شاخه را می پذیرند ، بنابراین ایجاد این شاخه ممکن است باعث رفتار غیر منتظره شود. آیا مطمئن هستید که می خواهید این شاخه را ایجاد کنید؟

• محلی
• مکاشه

با استفاده از URL وب از Git یا Checkout با SVN استفاده کنید.

با CLI رسمی ما سریع کار کنید. بیشتر بدانید.

ورود به سیستم لازم

لطفاً برای استفاده از برنامه های کد وارد سیستم شوید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی دسک تاپ GitHub

اگر هیچ اتفاقی نمی افتد ، دسک تاپ GitHub را بارگیری کنید و دوباره امتحان کنید.

راه اندازی Xcode

اگر هیچ اتفاقی نمی افتد ، Xcode را بارگیری کنید و دوباره امتحان کنید.

راه اندازی کد ویژوال استودیو

فضای کد شما یک بار آماده خواهد شد.

مشکلی برای تهیه فضای کدگذاری شما وجود داشت ، لطفاً دوباره امتحان کنید.

آخرین تعهد

آمار git

فایل ها

بارگیری آخرین اطلاعات متعهد انجام نشد.

readme. md

گسترش آنتروپی شانون با درخت زندگی موافق است و وقایع بیماری انسان را توجیه می کند

در این مطالعه ، با استفاده از تئوری اطلاعات ، ما یک قضیه ریاضی را پیشنهاد و اثبات کرده ایم که با استفاده از آن دلیل وجود بیماری های انسانی استدلال می کنیم. برای معرفی چارچوب نظری مرجع ما ، ابتدا آنتروپی شانون را برای پروتئوم ها به عنوان ابزاری برای مقایسه پیچیدگی سیستم ها و تمایز بین چندین سطح سازمان های بیولوژیکی ارائه می دهیم. نزدیک به 180 میلیون پروتئین با بیش از 61 میلیارد اسید آمینه برای طبقه بندی مورد تجزیه و تحلیل قرار گرفته است~29 هزار ارگانیسم در 92 فیلا. ما در ادامه یک رویکرد جدید ، یعنی موج زندگی ، ایجاد می کنیم تا چندین گونه را متمایز کنیم و یافته های خود را از طریق آخرین درخت زندگی تأیید کنیم. مهمتر از همه ، داده های Homo sapiens از پایگاه داده های Uniprot ، ترشی و یتیم خانه با توجه به قضیه جدید ما جمع آوری و مورد تجزیه و تحلیل قرار می گیرند تا نشان دهند که وقایع بیماری از پیش بینی های ما پیروی می کند. علاوه بر این ، ما در مورد پویایی ثبات شبکه پروتئین و سناریوهای مختلف ممکن برای وجود بیماری های انسانی بحث می کنیم. ما همچنین استدلال در مورد قضیه ریاضی خود و استنتاج های بیولوژیکی آن را به حساب می آوریم. این مخزن GitHub شامل اجرای پیتون و R تحقیقات است.

فهرست مطالب

پیوندهای سریع به کدهای اصلی

• Runcair (محاسبه کارها برای کلیه پروتئومهای موجود) کدهای پایتون نسخه خطی تهیه شده: Runcair.
• CAIRCOMP (مقایسه CAIR پروتئوم از طریق درخت زندگی) کدهای R را تهیه کرده است: مقایسه CAIR.
• RUNEMIP (شاخص های دسته بیماری های انسانی - EMIP و غیره) کدهای پایتون دستنوشته تهیه شده: Runemip.
• DiseAseanals (بررسی در مورد ارتباطات احتمالی بین وقایع بیماری و شاخص های بیماری در پروتئوم انسان) کدهای R را تهیه کرده است: DeseAneanals.

میانگین اطلاعات محاسبه شده در هر باقیمانده

در زمینه پروتئومیکس ، CAIR به عنوان 22 آنهایی از آنتروپی شانون پیشنهاد شده است. برای هر پروتئین داده شده ، CAIR به صورت تدوین شده است:

که در آن R یک عدد است که به هر باقیمانده داده می شود ، T تعداد کل باقیمانده ها است ، P_R فرکانس نسبی باقیمانده RTH در پروتئین است.

مقایسه CAIR از طریق درخت زندگی

پس از اجرای کد R برای مقایسه کارها Phyla در طول درخت زندگی ، شکل زیر به دست می آید. آزمون اهمیت ، آزمون برونر-مونزل است (یا به عنوان آزمون Wilcoxon تعمیم یافته شناخته می شود) زیرا CAIR های فیلا از نظر منفی ، نامتوازن و ناهمگن هستند.

اطلاعات متقابل پروتئین ها

همانطور که توسط قضیه ریاضی پیشنهاد شده است ، تخمین اطلاعات متقابل به صورت تدوین شده است:

که در آن μ_F اطلاعات متقابل برای پروتئین φ است ، n تعداد فعل و انفعالات است ، l_F طول تعامل φth است ، l_F طول پروتئین φ است ، r یک عدد است که به هر باقیمانده در پروتئین ها داده می شود ، t است. تعداد کل باقیمانده ها ، P _ ((r ، φ)) فرکانس نسبی باقیمانده Rth در φth تعامل است ، و P _ ((r ، φ)) فرکانس نسبی باقیمانده Rth در پروتئین φ است.

تجزیه و تحلیل شاخص های بیماری انسان

پس از اجرای کد R برای مقایسه کارها Phyla در طول درخت زندگی ، شکل زیر به دست می آید. آزمون اهمیت ، آزمون مقایسه چندگانه Duett-Tukey-Kramer است که برای واریانس های نابرابر و اندازه نمونه نابرابر تنظیم شده است.

تمام بسته های مورد نیاز برای اجرای اسکریپت ها را می توان از ترمینال/CMD با استفاده از PIP3 نصب کرد:

پرونده های مورد نیاز برای اجرای runcair. py در:

uniprot_trembl. fasta (برای بارگیری این پرونده ، پیوند FTP به دلیل اندازه قابل توجهی از آن بسیار توصیه می شود~100 گیگابایت)

*پرونده های بارگیری شده باید به فهرست پروژه CAIR منتقل شوند

از ترمینال/cmd اجرا کنید

Runcair را می توان مستقیماً از ترمینال/CMD با پیروی از تمام دستورالعمل های توضیح داده شده در بخش Toydata ، به جز خط اجرا کرد:

که باید به ( /toydata) تغییر یابد:

از پایتون اجرا کنید

نوت بوک Ipython خود را آتش بزنید. Runcair. ipynb را باز کنید و تمام سلول ها را اجرا کنید.

پرونده های خروجی نهایی

1. همه گونه های باقیمانده. csv (*به دلیل اندازه زیاد بارگذاری نشده است)

1. ورودی های sprot. csv (*به دلیل اندازه زیاد بارگذاری نشده است)

1. ورودی های Trembl (*به دلیل اندازه زیاد بارگذاری نشده است)

پرونده های مورد نیاز برای اجرای runemip. py در:

EN_PRODUCT9_PREV. CSV (ابتدا پرونده باید از طریق Microsoft Excel یا یک برنامه مشابه از . xml به . csv تبدیل شود)

*توجه: پرونده های بارگیری شده باید به فهرست پروژه EMIP منتقل شوند.

از ترمینال/cmd اجرا کنید

Runemip را می توان مستقیماً از ترمینال/CMD با پیروی از تمام دستورالعمل های توضیح داده شده در بخش Toydata ، به جز خط اجرا کرد:

که باید به ( /toydata) تغییر یابد:

از پایتون اجرا کنید

نوت بوک Ipython خود را آتش بزنید. Human_Disease_Categor_indicators. ipynb را باز کنید و تمام سلول ها را اجرا کنید.

پرونده های خروجی نهایی

داده های اسباب بازی حاوی یک داده پروتئین نمونه ای برای کاربران است تا بتوانند از توابع Runcair و Runemip Python استفاده کنند. لازم به ذکر است که داده ها زیر مجموعه های کوچکی از داده های پروتئوم واقعی و مجموعه داده های بیماریهای انسانی هستند. داده های اسباب بازی به کاربران کمک می کند بدون نیاز به برخورد با داده های بزرگ ، روی کدها آزمایش و کار کنند.

به عنوان مثال ، کارها برای 16 ارگانیسم ذکر شده در جدول 1 مقاله می توانند با استفاده از داده های اسباب بازی ، به طرز فجیعی بازتولید شوند. پرونده های مورد نیاز در پوشه Toydata در دسترس هستند. در این کد ، این برنامه تمام باقیمانده های موجود در پرونده های Toydata Fasta را به حساب می آورد ، آنها را توسط IDS ارگانیسم گروه بندی کرده و CAIR ها را برای هر پروتوم کامل محاسبه می کند.

با این وجود ، در صورتی که کاربران مایل به اجرای الگوریتم های کامل هستند ، می توانند تمام پرونده های مورد نیاز را بارگیری کنند (~100 گیگابایت برای CAIR +~100MB برای EMIP).

تمام بسته های مورد نیاز برای اجرای اسکریپت های زیر را می توان از ترمینال/CMD با استفاده از PIP3 نصب کرد: