add higashi

README.md

+# 论文
+
+Higashi: Multiscale and integrative scHi-C analysis
+https://doi.org/10.1038/s41587-021-01034-y
+
+# 模型结构
+
+
+Higashi使用超图神经网络来揭示这个构造的超图中的高阶交互模式。Higashi可以为scHi-C制作嵌入物，用于下游分析。Higashi可以输入单细胞Hi-C接触图谱，从而能够以单细胞分辨率详细表征3D基因组特征，如TAD样结构域边界和A/B区分数。
+
+
+![Alt text](./image/image.png)
+
+
+
+
+# 算法原理
+
+Higashi的关键算法设计是将scHi-C数据转换为超图。这种转化保留了scHi-C接触图谱的单细胞分辨率和3D基因组特征。具体来说，嵌入scHi-C数据的过程现在相当于学习超图的节点嵌入，输入scHi-C接触图就变成了预测超图中缺失的超边。在Higashi，我们使用我们最近开发的Hyper-SAGNN架构22，这是一个通用的超图表示学习框架，专门针对scHi-C分析进行了大量的新开发
+
+
+
+![Alt text](./image/image-1.png)
+
+
+
+# 环境配置
+Docker(方式一)
+推荐使用docker方式运行，提供拉取的docker镜像：
+```
+docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10
+docker run -dit --shm-size 80g --network=host --name=geneformer --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root -v /opt/hyhal/:/opt/hyhal/:ro image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10 /bin/bash
+docker exec -it geneformer /bin/bash
+```
+
+安装docker中没有的依赖:
+
+```
+pip install -r requirements.txt  -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
+```
+
+
+
+Dockerfile(方式二)
+
+
+```
+docker build -t geneformer:latest .
+docker run -dit --shm-size 80g --network=host --name=geneformer --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root -v /opt/hyhal/:/opt/hyhal/:ro geneformer:latest /bin/bash
+docker exec -it geneformer /bin/bash
+
+```
+
+
+
+Conda(方式三)
+
+1.创建conda虚拟环境：
+
+```
+conda create -n geneformer python=3.10
+conda activate geneformer 
+```
+
+2.关于本项目DCU显卡所需的工具包、深度学习库等均可从光合开发者社区下载安装。
+- [DTK 24.04.1](https://cancon.hpccube.com:65024/directlink/1/DTK-24.04.1/Ubuntu20.04.1/DTK-24.04.1-Ubuntu20.04.1-x86_64.tar.gz)
+- [Pytorch 2.1](https://cancon.hpccube.com:65024/directlink/4/pytorch/DAS1.2/torch-2.1.0+das.opt1.dtk24042-cp310-cp310-manylinux_2_28_x86_64.whl)
+
+
+Tips：以上dtk驱动、torch等工具版本需要严格一一对应。
+
+
+3. 其它依赖库参照requirements.txt安装：
+```
+pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
+```
+
+
+
+
+
+
+
+
+
 # 下载数据
 
 ```

conda/meta.yaml

+{% set name = "higashi" %}
+{% set version = "0.1.0a0" %}
+
+package:
+  name: "{{ name|lower }}"
+  version: "{{ version }}"
+
+source:
+#  url: "https://test.pypi.io/packages/source/{{ name[0] }}/{{ name }}/{{ name }}-{{ version }}.tar.gz"
+  git-url:
+build:
+  number: 0
+  script: "{{ PYTHON }} -m pip install . -vv"
+
+requirements:
+  host:
+    - bokeh >=2.1.1
+    - cooler >=0.8
+    - cython >=0.29.24
+    - fbpca
+    - h5py
+    - numpy >=1.21.2
+    - pandas >=1.3.4
+    - pillow
+    - pip
+    - python >=3.9
+    - pytorch >=1.8
+    - scikit-learn >=0.23.2
+    - scipy >=1.7.3
+    - seaborn >=0.11.2
+    - tqdm
+    - umap-learn >=0.5
+  run:
+    - bokeh >=2.1.1
+    - cooler >=0.8
+    - cython >=0.29.24
+    - fbpca
+    - h5py
+    - numpy >=1.21.2
+    - pandas >=1.3.4
+    - pillow
+    - python >=3.9
+    - pytorch >=1.8
+    - scikit-learn >=0.23.2
+    - scipy >=1.7.3
+    - seaborn >=0.11.2
+    - tqdm
+    - umap-learn >=0.5
+
+test:
+  imports:
+    - higashi
+    - higashi.Higashi_analysis
+    - higashi.Higashi_backend
+
+about:
+  home: "https://github.com/ma-compbio/Higashi"
+  license: MIT
+  license_family: MIT
+  license_file:
+  summary: "Higashi: Multiscale and integrative scHi-C analysis"
+  doc_url:
+  dev_url:
+
+extra:
+  recipe-maintainers:
+    - your-github-id-here