Import CCLE, ProCan and CPTAC quantitative RNA/protein comparator cohorts
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Stack tecnologico
- postgresql, python
- Ambito
- data-engineering, databases
Direzione di ricerca
Read dependencies #4, #5, and #6 and the existing orfdata schema and pairing API before choosing a cohort. Start by auditing source accessions, specimen identifiers, and available RNA access for one documented CPTAC/PDC cohort. Done means source-specific values, joins, missingness, and provenance are validated in an offline fixture while preserving sample distinctions and batch scales.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Add optional, study-scoped human RNA/protein cohorts for comparison across targets and biological contexts. They use the disease-independent orfdata schema; cancer-specific scoring/interpretation remains with downstream consumers.
Sources
- CCLE quantitative proteomics: 375 cell lines, linked to the relevant frozen DepMap RNA release.
- ProCan-DepMapSanger: 8,498 proteins across 949 cell lines; PXD030304 and processed data.
- CPTAC/PDC: start with one public, documented RNA/proteomics cohort such as PDC000272, auditing matching genomic/RNA accessions and specimen/aliquot identifiers first.
Import and acceptance
Keep each source/release separate with original relative values, log transformations, protein groups, batch/plex/reference-channel normalization and FDR. Map stable cell-line IDs with release provenance. Independent cultures of the same line are not the same sample; tumor/normal tissues, aliquots and time points must remain distinguishable. Import only publicly accessible measurements or explicitly user-provided files; missing RNA access is a visible coverage gap.
Validate numeric values and source sample joins in an offline fixture for each imported cohort. Do not merge CCLE and ProCan technical/batch scales or treat overlapping lines as independent biological replication. Canonical search databases constrain ncORF coverage: an unsearched alternative ORF is not a negative result. Preserve raw-to-derived provenance and expose source-specific missingness through the common pairing API.
Roadmap: #3. Priority: P2.
Dependencies: #4, #5, #6.
- Lingua principale
- Python
- Stelle
- 1
- Fork
- 1
- Merge medio
- 10h 11m
- PR unite (30g)
- 51
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di openvax/orfdata
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 42/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
openvax/orfdata#194 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 52/100
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di openvax/orfdata
Issue simili
-
[Bug]: DoubleMLData.from_arrays checks the treatment d with force_all_x_finite instead of force_all_d_finiteForse già presa @leninworld l’ha presa oggi. Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
DoubleML/doubleml-for-py#471 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
python-pillow/Pillow#10590 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 85/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
I maintainer di solito rispondono entro 1 giorno
-
BUG: ZarrTrace fails in init_trace for models with datetime coordinates (object dtype coord array)Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
I maintainer di solito rispondono entro 2 giorni