agreal1118/metaanalyzer

Praca licencjacka o zastosowaniu uczenia maszynowego w badaniach metagenomicznych

MetaAnalyzer

Praca licencjacka o zastosowaniu uczenia maszynowego w badaniach metagenomicznych

Struktura projektu

1. dataset:
   • fragmenty_plstd.fasta - losowa wybrana próbka 500 fragmnetów genomów mitochondrialnych
   • fragmenty_prcr.fasta - losowo wybrana próbka 500 fragmentów genomów prokariotycznych
   • fragmenty_wszystkie.fasta - plik ze wszystkimi fragmentami
   • sample.txt - plik roboczy stworzony podczas formowania modelu dnavec
   • dnavec.model.bin - zapisany model dnavec
   • dnaveccorpus.txt - korpus stworzony z fragmentów
2. representation:
   • dnavec.py - tworzy metodę dnavec, do podziału na bazowy fragmenter i samą metodę
   • randomtake.py - wybiera losowe fragmenty ze zbioru danych
3. visualization:
   • visualization.py - plik zawiera wszystkie 3 metody wizualizacji tsne, pca i tsne + redukcja wymiaru z pca, w przyszłości podział na oddzielne pliki
4. classification:
5. test.py - Plik służący do testowego uruchamiania poszczególnych fragmentów projektu
6. main.py - plik odpowiadający za kontakt z używtkownikiem - główny plik (wciąż w fazie produkcji)