PyC2MC est une bibliothèque Python dédiée à l'analyse et à la caractérisation moléculaire de matrices complexes. Elle fournit des outils pour faciliter le traitement des données issues de techniques analytiques avancées, permettant aux chercheurs et ingénieurs de simplifier leurs workflows et d'obtenir des résultats plus précis dans leurs études chimiques.

Générez des vecteurs de caractéristiques moléculaires pour les modèles d'apprentissage automatique et profond en utilisant un système de sous-classes extensible pour calculer des ensembles de caractéristiques. Le package utilise actuellement 80 ensembles de caractéristiques différents fournis par les packages de logiciels RDKit et PaDEL-pywrapper.

MolPred est un framework basé sur Hydronaut pour la construction de prédicteurs de caractéristiques moléculaires à l'aide de Chemfeat. Il offre les avantages de l'un et de l'autre, ainsi que plusieurs autres avantages : tous les hyperparamètres sont gérés via des fichiers de configuration YAML, y compris la sélection de modèles, ensembles de fonctionnalités moléculaires et métriques, avec un support complet pour les surcharges en ligne de commande. Les hyperparamètres peuvent être explorés à l'aide de balayages systématiques ou d'algorithmes d'optimisation. L'optimisation peut être suivie en temps réel avec Optuna Dashboard lors de l'utilisation du plugin Hydra's Optuna sweeper. Tous les paramètres, métriques, modèles et autres artefacts sont suivis avec MLflow. Les tests et les prédictions peuvent être effectués en récupérant des modèles et des configurations d'ensembles de fonctionnalités à partir de runs MLflow précédents. Les modèles peuvent être facilement ajoutés en enregistrant des sous-classes d'une classe fournie. Les classes enregistrées peuvent être sélectionnées par nom à partir du fichier de configuration. De nouvelles calculateurs d'ensembles de fonctionnalités chimiques/moléculaires peuvent être ajoutés et enregistrés via des sous-classes simples. Les calculs de fonctionnalités sont mis en cache dans une base de données locale pour éviter les calculs redondants.

Ce projet permet d'identifier des peptides caractéristiques d'une espèce, d'un genre ou d'une famille à partir d'une liste de peptides. Il génère des résultats sous forme de fichiers structurés, incluant des peptides uniques et des combinaisons uniques, facilitant l'analyse comparative des protéines. L'outil est particulièrement utile pour la recherche en biologie moléculaire et la taxonomie.

Ce projet développe des scripts pour l'analyse radiomique des gliomes de bas grade mutés IDH. Il permet de classifier les patients selon leur statut PET ou histologique, d'évaluer les risques de récidive via des modèles de CoxNet, et de combiner des caractéristiques radiomiques et moléculaires. Les résultats sont validés par des analyses de Kaplan-Meier et des tests de log-rank. Le code est associé à un projet de recherche transcan sur l'évolution des gliomes.

Kb est un workflow pour le pré-traitement des données de séquençage d'ARN unicellulaire. Le pré-traitement des données de séquençage d'ARN unicellulaire implique l'association des lectures avec leurs cellules d'origine, le regroupement des lectures en fonction des identifiants moléculaires uniques (UMIs) et la génération de comptages de gènes ou de caractéristiques à partir des lectures pour générer une matrice cellule x gène.

Pipeline d'analyse RNAseq conçu pour identifier les gènes différentiellement exprimés à partir de données de séquençage Illumina HiSeq. Il nettoie les données, aligne les lectures sur un génome de référence, compte les caractéristiques génomiques et réalise des annotations fonctionnelles via des bases de données GO et KEGG. Destiné aux chercheurs en biologie moléculaire et génomique.