¡Descarga Manual de usuario de PyToxo: Guía completa para la instalación y uso de la herramienta y más Apuntes en PDF de Cálculo solo en Docsity!
Manual de usuario de PyToxo
PyToxo 1.
Versión en castellano
Borja GonzÁlez Seoane
C.e.: borja.gseoane@udc.es
Facultade de Informática
Universidade da Coruña
23 de junio de 2021
Índice general
1 Requisitos 3
2 Instalación 3
3 Uso como librería de Python 3
4 Uso desde la interfaz en línea de comando 4
5 Uso desde la interfaz gráfica de usuario 6
Bibliografía 9
Índice de códigos
1 Ejemplo de uso de PyToxo como librería introduciendo el modelo manualmente...... 5 2 Ejemplos de comandos bien formados que hacen uso de la CLI de PyToxo.......... 6
Índice de figuras
1 GUI de PyToxo desde Windows 10 con sus diferentes componentes marcados para referenciar 7
Con propósito ilustrativo, a continuación vamos a abordar el uso de PyToxo como librería de Python por medio de una serie de ejemplos. Esta demostración está disponible en forma de Jupyter Notebook [2] en el repositorio de PyToxo.
Lo primero que tenemos que hacer para utilizar PyToxo es importar la librería: 1 import pytoxo
Luego, a partir de un modelo en archivo CSV, podemos generar un objeto Model de PyToxo con: 1 modelo = pytoxo.Model(filename="../modelos/additive_3.csv")
E inmediatamente después ya podemos generar una tabla de penetrancia utilizando el método apropia- do del objeto modelo. Este método será find_max_prevalence_table o find_max_heritability_table, según queramos maximizar la prevalencia o la heredabilidad, respectivamente.
1 # Definimos los parámetros del experimento 2 mafs = [0.4, 0.4, 0.4] 3 heredabilidad = 0. 4 5 tabla = modelo.find_max_prevalence_table(mafs=mafs, h=heredabilidad)
El objeto tabla, de la clase PTable, contiene nuestra tabla de penetrancia. Ahora ya podríamos impri- mirla por pantalla o guardarla como un archivo, por ejemplo con:
1 tabla.print_table(format="gametes")
Utilizando PyToxo como librería también tenemos la posibilidad de ingresar los datos del modelo epistá- tico original directamente, sin recurrir a un archivo CSV existente. En el Código 1 presentamos un ejemplo de uso completo que parte de dos listas con los datos del modelo.
4 Uso desde la interfaz en línea de comando
Para invocar la CLI basta con emplear el comando: 1 pytoxo_cli
Podemos resumir el uso de la interfaz en la especificación POSIX [1] siguiente, que desglosamos a continuación de la misma, comenzando por los argumentos opcionales:
1 pytoxo [-h] [--gametes] (--max_prev | --max_her) <prev_or_her> [ ...]
- -h: usando este argumento opcional desplegamos la ayuda en línea de comando.
1 import pytoxo 2 import numpy 3 4 genotipos = ["AABB", "AABb", "AAbb", "AaBB", "AaBb", "Aabb", "aaBB", "aaBb", "aabb"] 5 probabilidades = numpy.array( 6 [ 7 "x", 8 "x", 9 "x", 10 "x", 11 "x(1+y)", 12 "x(1+y)", 13 "x", 14 "x(1+y)", 15 "x(1+y)", 16 ] 17 ) # Podemos utilizar tanto listas normales como arrays de NumPy 18 modelo = pytoxo.Model( 19 definitions=genotipos, 20 probabilities=probabilidades, 21 model_name="otro_modelo", 22 ) 23 tabla = modelo.find_max_heritability_table(mafs=[0.1] * modelo.order, p=0.96) 24 tabla.print_table() Código 1: Ejemplo de uso de PyToxo como librería introduciendo el modelo manualmente
- --gametes: argumento opcional que implica que la tabla de salida será compuesta en el formato de GAMETES [7]. Si no se hace uso de este argumento, la tabla será conformada como CSV, por defecto.
- --max_prev o --max_her: empleando el primero se maximizará la prevalencia y empleando el se- gundo, la heredabilidad. Estas dos opciones son mutuamente excluyentes, es necesario especificar una de las dos, e implica que el último argumento ingresado antes de las MAF será tratado como heredabilidad, si se maximiza la prevalencia; o como prevalencia, si se maximiza la heredabilidad.
Los argumentos opcionales anteriores los podemos distribuir en cualquier posición del comando sin que esto afecte al mismo. Sin embargo, en los que sí que resulta relevante la situación es en los argumentos posicionales, que son todos los que no se correspondan sintácticamente con alguno de los anteriores, y que serán interpretados, en orden, como sigue:
- El primer argumento posicional será la ruta hasta el archivo CSV que contenga el modelo epistático.
- El segundo argumento posicional se corresponderá con la heredabilidad o con la prevalencia a fijar, dependiendo de si se ha definido --max_prev o --max_her.
- Los argumentos posicionales que vayan a continuación de los anteriores serán interpretados todos ellos como cada una de las MAF, respectivamente. Deben ser especificadas tantas MAF como orden tenga el modelo. Las MAF deben ir una detrás de otra en el comando.
Figura 1: GUI de PyToxo desde Windows 10 con sus diferentes componentes marcados para referenciar
- e: indicador del estado del programa, que se alterna cuando se inicia el proceso de cálculo de la tabla.
- f: desplegable para seleccionar el parámetro a fijar de entre prevalencia y heredabilidad, y espacio para ingresar su valor.
- g: espacios para rellenar las MAF a emplear. El número de espacios se adapta dinámicamente al orden del modelo cargado.
- h: botón para calcular la tabla de penetrancia con la configuración cumplimentada.
- i: desplegable para seleccionar el formato de la tabla para guardarla como archivo, de entre CSV y formato de GAMETES [7].
La GUI resulta muy sencilla de utilizar debido a que se adapta dinámicamente al estado en el que se halla el flujo de trabajo de la aplicación. Los botones se van habilitando o deshabilitando en función de si se tiene cargado un modelo, rellenados los campos pertinentes, etc. Por ejemplo, no podemos rellenar las MAF hasta haber cargado un modelo y no podemos usar el botón de calcular hasta que todos los parámetros hayan sido cumplimentados.
