Başlamak için Python sürüm 3.7 ile Sistem Durumu Modeli adlı yeni bir sanal ortam oluşturun. Slurm kümesi süper bilgi işlem platformunda, Load Anaconda Komutu modülünü yürütün. Komut yürütüldüğünde, ekranda bir onay istemi belirir.
Devam etmek için Y girin ve işlemin tamamlanmasını bekleyin. Ardından, platforma özel talimatları izleyerek sanal ortamı etkinleştirin. Ardından, PyTorch 1.13.1'i yüklemek için komutu çalıştırın.
Kurulum yönergelerini izleyerek torch_scatter, torch_sparse, torch_cluster ve torch_spline_convulsion gibi torç geometrisi için ek paketler yükleyin. Ardından torç geometrik paketinin 2.2.0 sürümünü yükleyin. Kodu ve önceden eğitilmiş sağlık modelini Sağlık Bilişimi Laboratuvarı web sitesinden indirin.
Dosyayı istediğiniz yola açın. Ardından komut satırındaki çalışma dizinini sistem durumu modeli mqTrans klasörüne değiştirin. mqTrans özellikleri oluşturmak ve çıktıları almak için komutu yürütün.
mqTrans özellikleri, çıkış MQ hedefleri CSV olarak oluşturulur ve etiket dosyası çıkış etiketi CSV olarak yeniden kaydedilir. Ek olarak, mRNA genlerinin orijinal ekspresyon değerleri, dosya çıktısı test hedefleri CSV olarak çıkarılacaktır. Ardından, mqTrans özelliklerini seçmek için özellik seçim algoritmasını kullanın.
mqTrans özelliklerini veya orijinal özellikleri birleştirmeden seçiyorsanız, Birleştir'i false olarak ayarlayın. 800 orijinal özellik seçin ve eğitim ve test için veri kümesini 0,8 ile 0,2 arasında bölün. Özellik seçimi için mqTrans özelliklerini özgün ifade değerleriyle birleştirmek için combine değerini true olarak ayarlayın.
Diferansiyel mqTrans değerlerine sahip, ancak diferansiyel olmayan mRNA ekspresyonu olan koyu biyobelirteçler tanımlandı. 3062 özellik arasında 221 karanlık biyobelirteç tespit edildi. BRCA, MESO ve TGCT hariç çoğu kanser türünde geleneksel biyobelirteçlere kıyasla koyu biyobelirteçlerin genel kıtlığı gözlendi.
