nPYc工具包概述
接收导入的数据
已经进行了峰提取的LC-MS数据(如采用XCMS, Progenesis QI或者Metaboscape)
NMR原始图谱(Bruker格式)
靶标数据集(如采用Targetlynx, Bruker BI-LISA & BI-Quant-Ur获得的数据集)
工具箱的功能
LC-MS数据集的批次或漂移矫正
通过相对标准偏差(RSD)或线性响应(linearity of response)进行信号过滤(Feature filtering)
NMR中图谱线宽(line-width)的计算
数据集的PCA分析
数据集的可视化
输出格式
csv文件
ISA-TAB
安装
通过pip安装
pip install nPYc
通过源文件的本地副本,只需导航到主程序包所在的文件夹然后运行
python setup.py install
或者,使用pip和源文件的本地副本
pip install /nPYC-toolboxDirectory/
pip的安装允许使用卸载命令
pip uninstall nPYc
相关文档
文档托管于Read the Docs
文档通过Sphinx Autodoc
生成,文件的审订通过reStructuredText
在本地构建文档,cd到docs
目录下,运行:
make html
清除当前文档,以便在进行更改后重新构建,运行:
make clean
开发
源管理是类似于git-flow,没有发展主分支。
在合并开发分支的时候,所有新的代码必须包括单元测试,应该通过所有测试,因为工具箱所有覆盖源不应该删除
释放
当从开发(或热修复分支)合并到发行版时,请确保:
删除对调试器的所有引用
所有路径都是相对的和平台无关的
所有测试通过
测试
单元测试通过unitest
架构。测试覆盖可以在codecov.io
寻找。
运行左右测试,cd到Tests
,运行:
python -m unittest discover -v
可以使用单独的测试模块运行:
python -m `test_filename` -v
标准度量及编码
在内部存储时,除非显式覆盖,变量应该符合文档命名法中规定的单元
- 感谢你赐予我前进的力量
赞赏者名单
因为你们的支持让我意识到写文章的价值🙏
本文是原创文章,采用 CC BY-NC-ND 4.0 协议,完整转载请注明来自 学而通知
评论
匿名评论
隐私政策
你无需删除空行,直接评论以获取最佳展示效果