Nástroj pro analýzu dat z databáze restrikčních enzymů

Tato aplikace slouží k analýze a predikci restrikčních enzymů na základě dat z databáze REBASE.

Funkce

• Správa databáze: import, reset, mazání a filtrování dat enzymů.
• Zarovnání sekvencí: Needleman-Wunsch a Smith-Waterman algoritmy.
• Shlukování enzymů: pomocí vlastností sekvencí a metod KMeans / Agglomerative clusteringu.
• Predikce rozpoznávacích míst: pomocí trénovaného Transformer-based modelu (BertLight).

Struktura projektu

• App/ – hlavní adresář aplikace obsahující všechny moduly:
  • gui_app.py – hlavní grafické rozhraní (GUI).
  • alignment_tab.py – záložka zarovnání sekvencí.
  • clustering_tab.py – záložka shlukování enzymů.
  • prediction_tab.py – záložka predikce restrikčních míst.
  • processPrediction.py – logika trénování a predikce modelu.
  • ProcessSimilarity.py – algoritmy zarovnání sekvencí.
  • processProperties.py – extrakce vlastností sekvencí a shlukování.
  • database_manager.py a Database.py – práce s SQLite databází.
  • group_manager.py, filter_manager.py, exporter.py – podpora pro skupiny, filtry a export.
  • ProcessFiles.py – nástroje pro práci se sekvencemi.
• MODEL/ – složka s uloženými trénovanými modely (každý model má vlastní podsložku).
• DATABASE/ – databáze enzymů (R_Enzime.db).
• DATA/ – složka pro vstupní soubory se sekvencemi enzymů.

Instalace

1. Nainstalujte požadované knihovny:

   pip install -r requirements.txt
   

2. Ujistěte se, že máte správně připravenou složku DATABASE s databází.

3. Spusťte hlavní soubor:

   python main.py
   

Požadavky

• Python 3.9 nebo vyšší
• GUI rozhraní je vytvořeno pomocí tkinter
• Využívá knihovny torch, sklearn, biopython, matplotlib a další (viz requirements.txt)

Poznámky

• Modely jsou uloženy v podsložkách složky MODEL, v každé podsložce je:
  • model.pth
  • label_to_motif.json
  • tokenizer_vocab.json
• Predikce nemusí být přesná kvůli omezenému množství trénovacích dat a vysoké unikátnosti sekvencí enzymů.

Autor

Khai Dat Phan