EmbedSOM
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F18%3A10394837" target="_blank" >RIV/00216208:11320/18:10394837 - isvavai.cz</a>
Výsledek na webu
<a href="http://bioinfo.uochb.cas.cz/embedsom/" target="_blank" >http://bioinfo.uochb.cas.cz/embedsom/</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
EmbedSOM
Popis výsledku v původním jazyce
EmbedSOM is an efficient self-organizing-map-based dimensionality reduction algorithm developed for use in flow- and mass-cytometry data analysis, but applicable also as a general dimensionality reduction method similarly as tSNE or UMAP. The algorithm is described in a separate article [1] that is currently published on bioRxiv. Its resource efficiency improves existing cytometry data analysis by delivering interactive-speed embedding, thus vastly simplifying the human-computer interaction efficiency of the workflow. The software is currently published on GitHub [2] as a R package. A separate website [3] provides a tutorial usage and describes several related workflow tools and a GPU implementation. [1] Kratochvíl, Miroslav, et al. "SOM-based embedding improves efficiency of high-dimensional cytometry data analysis." bioRxiv (2019): 496869. https://www.biorxiv.org/content/10.1101/496869v2.full [2] https://github.com/exaexa/EmbedSOM/ [3] http://bioinfo.uochb.cas.cz/embedsom/
Název v anglickém jazyce
EmbedSOM
Popis výsledku anglicky
EmbedSOM is an efficient self-organizing-map-based dimensionality reduction algorithm developed for use in flow- and mass-cytometry data analysis, but applicable also as a general dimensionality reduction method similarly as tSNE or UMAP. The algorithm is described in a separate article [1] that is currently published on bioRxiv. Its resource efficiency improves existing cytometry data analysis by delivering interactive-speed embedding, thus vastly simplifying the human-computer interaction efficiency of the workflow. The software is currently published on GitHub [2] as a R package. A separate website [3] provides a tutorial usage and describes several related workflow tools and a GPU implementation. [1] Kratochvíl, Miroslav, et al. "SOM-based embedding improves efficiency of high-dimensional cytometry data analysis." bioRxiv (2019): 496869. https://www.biorxiv.org/content/10.1101/496869v2.full [2] https://github.com/exaexa/EmbedSOM/ [3] http://bioinfo.uochb.cas.cz/embedsom/
Klasifikace
Druh
R - Software
CEP obor
—
OECD FORD obor
10600 - Biological sciences
Návaznosti výsledku
Projekt
<a href="/cs/project/LM2015047" target="_blank" >LM2015047: Česká národní infrastruktura pro biologická data</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Interní identifikační kód produktu
EmbedSOM
Technické parametry
Programovací jazyky: C++, R. Instalace software probíhá způsobem standardním pro balíky jazyka R, použití je dokumentované na webu. Jednoduché testovací datasety jsou k dispozici na webu, větší standardizované testovací datasety jsou odkázané z odpovídajícího článku.
Ekonomické parametry
Použití výrazně zvětšuje rychlost a reprodukovatelnost analýzy výstupních dat flow cytometrie (popsáno v článku). Tyto výsledky jsou kritické pro mnoho oblastí buněčné biologie včetně imunologie a klinické onkologie.
IČO vlastníka výsledku
00216208
Název vlastníka
Univerzita Karlova