Repository under construction.
Hay que instalarse neptune y comet:
pip install neptune-client
pip install psutil
pip install comet_ml
Despues hay que llamar a train-test con -log_exp nombre_del_proyecto (por ahora en ambos tengo un proyecto que se llama debug, desp la idea es que se loguee a un proyecto distinto segun la base de datos que estas usando)
- Gianola puede predecir el ruido? r2>>h2
- Probamo CNN en giano con sus parametros, overfittin de aquellos
- seguimo con grinberg: Agregamos ruido
- Se nos cae otro idolo: Grinberg, scaleaste con todos los datos!?
- ClusterUY!
- Sudo en shannon?
- Terminar de replicar experimentos del paper de pancho/gianola, resultados
- Empezar a replicar la síntesis de Grinberg sobre fenotipos reales: Agregar ruido, borrar snps, generar epistasis
- Sistematizar, todos los errores/resultados tienen que plotearse para varios (eg:5) experimentos , i.e. train/test splits
Python3
,numpy
, sklearn
, R
, BGLR
- run
demo.sh
Implementation of non additive phenotype simulations as described in
Deep learning versus parametric and ensemble methods for genomic prediction of complex phenotypes Abdollahi-Arpanahi et al. (2020)
- run load.py to load data
- run non_additive_phenotype_simulator.py
Simulated Phenotypes are stored in output. Ridge Regression results are printed.
R scripts for benchmarking
BGLR
truncnorm
(Run from R folder, TODO: change paths to run from rootdir)
- Rscript ./Predict_bayes.R
Please upload raw data only, not intermediate results
- snps.txt contains 60000 SNPs for 1000 individuals
Simulation and prediction results should be directed here
Utilities for genome conversion
plint
TODO: cleanup this folder