Add human and mouse absolute-abundance and turnover calibration datasets

Abierto
#14 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 1 día

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
25/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Activo
Stack tecnológico
python

Línea de trabajo

Start by auditing the linked human and mouse source tables, accessions, corrected publisher data, and the Li et al. reanalysis; the issue names no repository files or tests. Define separate quantity types for abundance and turnover, with calibration, sample basis, uncertainty, provenance, and censoring represented as specified. Done means verified human and mouse fixtures, explicit assay matching and prediction separation, and an assay coverage report that does not imply measurements for unmeasured ncORFs.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

enhancement

Add calibrated mammalian reference measurements to complement yeast, while keeping assay-specific estimates separate from relative atlas intensities.

Candidate primary sources

Structure and acceptance

Store copies-per-cell or concentration with calibration standards, sample cell-count basis, uncertainty and measured/estimated status. Store protein/RNA half-lives, time-course conditions and censoring in their own quantity types; a steady-state conversion needs its assumptions and cannot be applied automatically to unrelated samples or ORFs.

Pin and audit each candidate's underlying accessible tables/accessions before import. Include small human and mouse source-backed fixtures with verified units and any correction applied; show that TMT/LFQ/iBAQ alone cannot be relabelled copies per cell. Keep source-level assay matching explicit and predictions separate. Provide an assay-coverage report that does not treat canonical reference measurements as direct abundance of unmeasured ncORFs.

Roadmap: #3. Priority: P2.
Dependencies: #4, #5, #6.

Lenguaje dominante
Python
Estrellas
1
Forks
1
Merge medio
10 h 11 min
PR fusionados (30 d)
51

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de openvax/orfdata

Todos los issues de openvax/orfdata

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.