GTEx数据集（V8）的条件变量自动编码器 该项目旨在使用生成模型生成合成基因表达数据。 我们首先研究数据的3D表示形式以及可能要依据的变量，以便有效地分离分布。 当前模型以组织为条件。 组织着色的GTEx数据集（1000个随机基因）的3D表示形式（UMAP，TSNE，PCA）： CVAE当前的重建质量，取决于组织。 基于： 对VAE方差损失论文： ， ， 项目进度： 基准模型创建 评估潜在空间中的均值，绝对差和分组的函数 模型调整 潜在空间大小 批次大小，学习率（应尽早确定时期数） 附加致密层的数量，每个附加层中神经元的数量 有条件的VAE模型（条件之一：组织或年龄） b-VAE模型（损失函数中的MSE / KL散度权重） 相关的VAE（ ） torch_model.py神经网络的层和属性 gtex_loder.py加载基因表达数据集 torch_train

GTEx 祖松鹏通过贝叶斯非参数方法从 GTEx 数据中检测顺式 eQTL。 程序 给定距离截断值，获取每个基因周围的 SNP（文件：genelocsnp） 运行 R 脚本以获取 DECODE 结果。

GTEx Web门户（ ）开发了基于Web的专用可视化工具，用于探索组织特定的基因表达和调控。 当前，在此公共存储库中，我们提供以下工具的源代码： 另外，尝试使用的工具。 在计算机上本地运行演示 先决条件 此仓库的本地副本。 可以访问Internet，以便从GTEx Web服务和外部库依赖项中实时检索数据。 现代的网络浏览器。 启动演示 在计算机上仓库的根目录中，启动一个简单的Python HTTP服务器，并指定端口（例如9090）： python -m SimpleHTTPServer 9090 HTTP服务器运行后，在Web浏览器中使用以下URL打开演示主页： localhost:9090 (or the port of your choice) 使用汇总捆绑应用程序 除了GTEx Gene-eQTL Visualizer以外，我们的大多数工具都是用ES6编写的，如果需要，