# protein-analysis

**Repository Path**: kahsolt/protein-analysis

## Basic Information

- **Project Name**: protein-analysis
- **Description**: 这个真的分析不了，祝我下次好运……
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-11-19
- **Last Updated**: 2022-12-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# protein-analysis

​    雨叶啊雨叶，啊雨叶雨叶……

----

### Quick Start

- put `<DATA_FILE>` under `data` folder
  - see consts in `data.py`
- install dependencies `pip install -r requiremets.txt`
- run `python preprocess.py`
- run `python pca.py` and `python pca.py -M tsne`
- run any algorithm
  - `knn.py`: kNN
  - `knn_color.py`: semi-supervised kNN
  - `bayes.py`: Naive Bayes
  - `lr.py`: Logistic Regression


### Target Problem

找出每个 Kind 中 最柔性flex/最稳定stab 的那些 Pair
- 期望得到的结论：
  - D-R是稳定的
  - Phob_D-R是稳定的
  - 在Phob_D-R中，随着Dist从短到长，稳定性blabla
- 以下结论没有意义：
  - flex_Arom_I_F-F_1MPE21_A33F-B26F是柔性的


### Current Problem

把 2分类 变成 3分类
- 前情提要
  - 新增了一列Prop3，人为划分了少量的稳定St、柔性Fl、其它Ot，剩下的是Undefined
  - 先抽样不含Undefined的，KNN预测正确率高达99.724%，这说明St、Fl、Ot的划分确实很有区分度……吧？ 【正确的！】
- [*] 当下目标
  - 试图使用不含Undefined的样本训练KNN，使它能预测所有的Undefined属于哪一类
  - 实际上，可以预测，预测成功了一个包含0，1，2的大列表，但我不知道怎么整合预测结果，怎么去分析预测（比如用什么可视化方法）


### Division Basis

划分稳定（St）、柔性（Fl）和其它（Ot）的依据 V0.3 【您踏马的就是不会用 pd.groupBy() 是罢？】
- St: Ave 0.4~0.7 and CV <= 0.1 and Nump >= 0.9
  -   Ave >= 0.8 and Nump >= 0.9
- Fl: Ave <= 0.3 and CV >= 0.5 and Nump <= 0.6
- Ot: Ave 0.4~0.7 and CV 0.3~0.4 or Nump 0.7~0.8
  -   Ave >= 0.8 and Nump <= 0.6
  -   Ave <= 0.3 and CV >= 0.5 and Nump >= 0.9
  -   Ave <= 0.3 and CV <= 0.1

----
2022/11/18  Armit
2022/12/02  RainLeaf