qiyd81 / geneticassembler Goto Github PK
View Code? Open in Web Editor NEWThis project forked from viadanna/geneticassembler
A Genome assembler based on greedy and genetic algorithms written in Go [golang.org]
This project forked from viadanna/geneticassembler
A Genome assembler based on greedy and genetic algorithms written in Go [golang.org]
# Biocomp # Bem vindo ao projeto de MO640, siga as instruções para executar o programa. Rode em um shell ou terminal o executável correspondente à arquitetura do seu sistema. ======================================================================================= O programa aceita os seguintes argumentos: "-runs": Número de vezes que o algoritmo completo será executado numa chamada do programa. Por padrão, definido para "-runs=10"; "-genome": Tamanho do genoma que será gerado. Por padrão, definido para "-genome=1000"; "-min": Tamanho minimo dos fragmentos gerados. Por padrão, definido apara "-min=25"; "-max": Tamanho máximo dos fragmentos gerados. Por padrão, definido apara "-max=100"; "-coverage": Fração de cobertura dos fragmentos gerados à sequência original. Por padrão, definido para "-coverage=1"; "-seqerror": Fração de fragmentos gerados que terão erros. Por padrão, definido para "-seqerror=0.01"; "-seqrev": Fração de fragmentos gerados que terão reversões. Por padrão, definido para "-seqrev=0.5"; "-error": Taxa de erro aceita no cálculo das bordas de overlap. Por padrão, definido para "-error=0.1"; "-gen": número de gerações iteradas no algoritmo genético. Por padrão, definido para "-gen=10"; "-child": Número de filhos por geração no algoritmo genético. Por padrão, definido para "-child=10"; "-cutoff": Porcentagem da pontuação máxima existente que será aceita no algoritmo genético para que uma borda possa ser escolhida e adicionada num caminho. Por padrão, definido para "-cutoff=90"; "-mp": Rodar algoritmos em paralelo. Por padrão, definido para: '-mp=true'; ========================================================================================== O programa retorna um JSON no seguinte formato: { "Experiments": [ { "RefGenome": "{...}", "RefLength": x, "GreedyAssembly": "{...}", "GreedyLength": x, "GreedyScore": x, "GreedyDistance": x, "GreedyPlusAssembly": "{...}", "GreedyPlusLength": x, "GreedyPlusScore": x, "GreedyPlusDistance": x, "GeneticAssembly": "{...}", "GeneticLength": x, "GeneticScore": x, "GeneticDistance": x, "RandomAssembly": "{...}", "RandomLength": x, "RandomScore": x, "RandomDistance": x } ], "GreedyMeanLength": x, "GreedyMeanScore": x, "GreedyMeanDistance": x, "GreedyPlusMeanLength": x, "GreedyPlusMeanScore": x, "GreedyPlusMeanDistance": x, "GeneticMeanLength": x, "GeneticMeanScore": x, "GeneticMeanDistance": x, "RandomMeanLength": x, "RandomMeanScore": x, "RandomMeanDistance": x } Os campos desse retorno significam: "Experiments": O resultado da execução de uma instância completa do algoritmo. [ "RefGenome": O genoma original, gerado pelo programa, que foi utilizado nessa instância de execução do algoritmo "RefLength": Comprimento do genoma original "GreedyAssembly": Montagem feita pelo algoritmo guloso ingênuo (sem mismatches e reversões) "GreedyLength": Comprimento da montagem feita pelo algoritmo guloso ingênuo, "GreedyScore": Pontuação da montagem feita pelo algoritmo guloso ingênuo, "GreedyDistance": Distância da montagem feita pelo algoritmo guloso ingênuo ao genoma original, "GreedyPlusAssembly": Montagem feita pelo algoritmo guloso considerando mismatches e reversões, "GreedyPlusLength": Comprimento da montagem feita pelo algoritmo guloso considerando mismatches e reversões, "GreedyPlusScore": Pontuação da montagem feita pelo algoritmo guloso considerando mismatches e reversões, "GreedyPlusDistance": Distância da montagem feita pelo algoritmo guloso considerando mismatches e reversões ao genoma original, "GeneticAssembly": Montagem feita pelo algoritmo genético, "GeneticLength": Comprimento da montagem feita pelo algoritmo genético, "GeneticScore": Pontuação da montagem feita pelo algoritmo genético, "GeneticDistance": Distância da montagem feita pelo algoritmo genético, "RandomAssembly": Montagem feita pelo algoritmo random "RandomLength": Comprimento da montagem feita pelo algoritmo random, "RandomScore": Pontuação da montagem feita pelo algoritmo random, "RandomDistance": Distância da montagem feita pelo algoritmo random ], "GreedyMeanLength": Média do comprimento das montagens feitas pelo algoritmo guloso ingênuo, "GreedyMeanScore": Média da pontuação das montagens feitas pelo algoritmo guloso ingênuo, "GreedyMeanDistance": Média da distância das montagens feitas pelo algoritmo guloso ingênuo ao genoma original, "GreedyPlusMeanLength": Média do comprimento das montagens feitas pelo algoritmo guloso considerando mismatches e reversõe, "GreedyPlusMeanScore": Média da pontuação das montagens feitas pelo algoritmo guloso considerando mismatches e reversões, "GreedyPlusMeanDistance": Média da distância das montagens feitas pelo algoritmo guloso considerando mismatches e reversões ao genoma original, "GeneticMeanLength": Média do comprimento das montagens feitas pelo algoritmo genético, "GeneticMeanScore": Média da pontuação das montagens feitas pelo algoritmo genético, "GeneticMeanDistance": Média da distância das montagens feitas pelo algoritmo genético, "RandomMeanLength": Média do comprimento das montagens feitas pelo algoritmo random, "RandomMeanScore": Média da pontuação das montagens feitas pelo algoritmo random, "RandomMeanDistance": Média da distância das montagens feitas pelo algoritmo random
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.