daisybio / daisybio/preprocess_drp_data
Normalization for CCLE
Nadie ha tomado este issue todavía.
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 3
- Forks
- 1
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Descripción
I think the normalisation for CCLE is wrong.
Original code:
# transfroms [0, -100] to [1,0] for curvecurator processing
def transform_activity_range(raw_df):
raw_df["Activity Data (median)"] = raw_df["Activity Data (median)"] / 100 + 1
raw_df["Amax"] = raw_df["Amax"] / 100 + 1
There is no explicit control column in the raw data, but there is this Amax value, which seems to be unique per cell line/drug combination. In the original supplementary methods, the authors state that
Amax is the maximal activity value reached within a model
In the raw data, Amax is kind of the maximum response; it is always close to the response value associated with the highest dose (8µM). So it seems to be a positive control rather than a negative control, like DMSO would be.
I think it should be
raw_df["response"] = 1 - raw_df["Activity Data (median)"]/raw_df["Amax"]
Guía de contribución
No hay ninguna guía de contribución indexada para este repositorio
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Línea de trabajo
Comienza localizando el punto de entrada del preprocesamiento de CCLE y la función transform_activity_range; después, inspecciona cómo se utilizan "Activity Data (median)", "Amax" y response en las etapas posteriores. Se considera terminado cuando la normalización de response de CCLE sigue la interpretación indicada de Amax como control positivo y sigue siendo válida para los archivos de entrada generados.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- python
- Área
- data-engineering
- Tipo de issue
- Error
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Estado de actividad
- Estancado
- Claridad
- Bastante claro
- Aptitud para principiantes
- 45/100