def main(): """ confusion_matrix.py: ########################################################### true_pred_rel, false_pred_rel = identify_true_false_positives( TG_TF_pred, TG_TF_ref ) ########################################################### unpredicted_rel = count_false_negatives( TG_TF_ref, true_pred_rel, tt_genes ) ########################################################### TP, FP, FN, TN, recall, specif, precis = calculate_confusion( total_rel, true_pred_rel, false_pred_rel, unpredicted_rel ) ########################################################### print_results(dataset, cutoff, TP, FP, FN, TN, recall, specif, precis) ########################################################### """ #Get test data from AtRegNet.txt AtReg_data = read_data(fa.filename_atreg) AtRegNet_parse = parse_AtReg_data(AtReg_data) TF_TG_ref = TFloc_pairs_AtRegNet(AtRegNet_parse, ['all']) TG_TF_ref = [[info[1], info[0]] for info in TF_TG_ref] TG_list_ref = [info[0] for info in TG_TF_ref] TG_set_ref = set(TG_list_ref) sh_TG_list_ref = list(TG_set_ref) TF_list_ref = [info[1] for info in TG_TF_ref] TF_set_ref = set(TF_list_ref) sh_TF_list_ref = list(TF_set_ref) ########################################################### ########################################################### artificial_data = copy.deepcopy(TG_TF_ref) dataset = "artificial dataset" cutoff = 0 ########################################################### ########################################################### if true_P: tt_genes = [info[0] for info in artificial_data] total_rel = artificial_data ########################################################### true_pred_rel, false_pred_rel = identify_true_false_positives( artificial_data, TG_TF_ref ) ########################################################### unpredicted_rel = count_false_negatives( TG_TF_ref, true_pred_rel, tt_genes ) ########################################################### TP, FP, FN, TN, recall, specif, precis = calculate_confusion( total_rel, true_pred_rel, false_pred_rel, unpredicted_rel ) ########################################################### print_results(dataset, cutoff, TP, FP, FN, TN, recall, specif, precis) ########################################################### ########################################################### percentages = [20, 40, 50, 60] if not false_N and false_P: #Add some noise in the form of False Positives for perc in percentages: cutoff = perc noised_artificial_data = add_false_positives( artificial_data, sh_TG_list_ref, sh_TF_list_ref, perc ) ########################################################### tt_genes = [info[0] for info in artificial_data] total_rel = noised_artificial_data ########################################################### true_pred_rel, false_pred_rel = identify_true_false_positives( noised_artificial_data, TG_TF_ref ) ########################################################### unpredicted_rel = count_false_negatives( TG_TF_ref, true_pred_rel, tt_genes ) ########################################################### TP, FP, FN, TN, recall, specif, precis = calculate_confusion( total_rel, true_pred_rel, false_pred_rel, unpredicted_rel ) ########################################################### print_results(dataset, cutoff, TP, FP, FN, TN, recall, specif, precis) ########################################################### ########################################################### if false_N and not false_P: #Add some noise in the form of False Negatives for perc in percentages: cutoff = perc noised_artificial_data = add_false_negatives(artificial_data, TG_TF_ref, perc) ########################################################### tt_genes = [info[0] for info in artificial_data] total_rel = artificial_data ########################################################### true_pred_rel, false_pred_rel = identify_true_false_positives( noised_artificial_data, TG_TF_ref ) ########################################################### unpredicted_rel = count_false_negatives( TG_TF_ref, true_pred_rel, tt_genes ) ########################################################### TP, FP, FN, TN, recall, specif, precis = calculate_confusion( total_rel, true_pred_rel, false_pred_rel, unpredicted_rel ) ########################################################### print_results(dataset, cutoff, TP, FP, FN, TN, recall, specif, precis) ########################################################### ########################################################### if false_P and false_N: #Add some noise in the form of False Positives #And then add some False_Negatives for perc in percentages: cutoff = perc print "ad:",len(artificial_data) noised_artificial_data = add_false_positives( artificial_data, sh_TG_list_ref, sh_TF_list_ref, perc ) print "nad:",len(noised_artificial_data) more_noised_artificial_data = add_false_negatives( noised_artificial_data, TG_TF_ref, perc ) print "mnad:",len(more_noised_artificial_data) ########################################################### tt_genes = [info[0] for info in noised_artificial_data] total_rel = noised_artificial_data ########################################################### true_pred_rel, false_pred_rel = identify_true_false_positives( more_noised_artificial_data, TG_TF_ref ) ########################################################### unpredicted_rel = count_false_negatives( TG_TF_ref, true_pred_rel, tt_genes ) ########################################################### TP, FP, FN, TN, recall, specif, precis = calculate_confusion( total_rel, true_pred_rel, false_pred_rel, unpredicted_rel ) ########################################################### print_results(dataset, cutoff, TP, FP, FN, TN, recall, specif, precis)
def main():
"""
"""
# Get test data from AtRegNet.txt
AtReg_data = read_data(fa.filename_atreg)
AtRegNet_parse = parse_AtReg_data(AtReg_data)
TF_TG_ref = TFloc_pairs_AtRegNet(AtRegNet_parse, ["all"])
TG_TF_ref = [[info[1], info[0]] for info in TF_TG_ref]
TG_list_ref = [info[0] for info in TG_TF_ref]
TG_set_ref = set(TG_list_ref)
TF_list_ref = [info[1] for info in TG_TF_ref]
TF_set_ref = set(TF_list_ref)
# -----------------------------------------------------------
# exp_list = ['Ligterink_2014','Ligterink_2014_gxe','Keurentjes_2007','Snoek_2012']
exp_list = ["Ligterink_2014"]
cutoff_list = [3] # , 4.3, 6.7]
chromo = [1, 2, 3, 4, 5]
# -----------------------------------------------------------
for dataset in exp_list:
for cutoff in cutoff_list:
print "Analysing %s %s" % (dataset, cutoff)
###########################################################
# Extract the true TG-TF relations and the total possible
# relations from the stored datafiles
filelocation = "%s/%s/genelist_%s/genelist_%s_co%s.txt" % (
fa.mr_folder,
fa.gfolder,
dataset,
dataset,
cutoff,
)
true_rel, total_rel = get_TGTF_from_genelist(filelocation, TG_TF_ref, TG_list_ref, TF_list_ref)
###########################################################
# The TG in the true TG-TF relations are the true_traits (tt)
# in this case named tt_genes
tt_genes = list(set([info[0] for info in true_rel]))
########################################################################
# Get for each true_trait the number of eQTLs
enriched_fn = "%s/%s/enriched_%s/enriched_%s_co%s.txt" % (
fa.mr_folder,
fa.enriched_folder,
dataset,
dataset,
cutoff,
)
trait_eqtl_genelist = get_info(enriched_fn)
# Select true traits based on number of eQTLs
tt_trait_eqtl_genelist = [[t[0], t[1], t[2]] for t in trait_eqtl_genelist if t[0] in tt_genes and t[1] > 0]
trait_with_eqtl = [info[0] for info in tt_trait_eqtl_genelist]
########################################################################
###########################################################
TG_TF_pred = process_enrichment(tt_trait_eqtl_genelist, TF_set_ref)
###########################################################
true_pred_rel, false_pred_rel = identify_true_false_positives(TG_TF_pred, TG_TF_ref)
###########################################################
unpredicted_rel = count_false_negatives(TG_TF_ref, true_pred_rel, trait_with_eqtl)
###########################################################
TP, FP, FN, TN, recall, specif, precis = calculate_confusion(
total_rel, true_pred_rel, false_pred_rel, unpredicted_rel
)
###########################################################
print "true_traits: %s" % len(set(tt_genes))
print_results(dataset, cutoff, TP, FP, FN, TN, recall, specif, precis)