datasets

mzml_exploration.py

@@ -4,6 +4,7 @@ import numpy as np
 import matplotlib.pyplot as plt
 import matplotlib.colors as colors
 from PIL import Image
+import re
 
 def plot_spectra_2d(exp, ms_level=1, marker_size=5):
     exp.updateRanges()
@@ -282,7 +283,34 @@ def check_energy(im):
 
 def create_antibio_dataset(path='data/230804_strain_peptides_antibiogram_Enterobacterales.xlsx'):
     df = pd.read_excel(path, header=1)
-    #sample_name : lien avec le fichier brut
+    df = df[['sample_name','species','AMC (disk)','AMK (disk)','AMK (mic)','AMK (vitek)','AMP (vitek)','AMX (disk)',
+    'AMX (vitek)','ATM (disk)','ATM (vitek)','CAZ (disk)','CAZ (mic)','CAZ (vitek)','CHL (vitek)','CIP (disk)',
+    'CIP (vitek)','COL (disk)','COL (mic)','CRO (mic)','CRO (vitek)','CTX (disk)','CTX (mic)','CTX (vitek)',
+    'CXM (vitek)','CZA (disk)','CZA (vitek)','CZT (disk)','CZT (vitek)','ETP (disk)','ETP (mic)','ETP (vitek)',
+    'FEP (disk)','FEP (mic)','FEP (vitek)','FOS (disk)','FOX (disk)','FOX (vitek)','GEN (disk)','GEN (mic)',
+    'GEN (vitek)','IPM (disk)','IPM (mic)','IPM (vitek)','LTM (disk)','LVX (disk)','LVX (vitek)','MEC (disk)',
+    'MEM (disk)','MEM (mic)','MEM (vitek)','NAL (vitek)','NET (disk)','OFX (vitek)','PIP (vitek)','PRL (disk)',
+    'SXT (disk)','SXT (vitek)','TCC (disk)','TCC (vitek)','TEM (disk)','TEM (vitek)','TGC (disk)','TGC (vitek)',
+    'TIC (disk)','TIC (vitek)','TOB (disk)','TOB (vitek)','TZP (disk)','TZP (mic)','TZP (vitek)']]
+
+    def split_before_number(s):
+        return re.split(r'(\d+)', s)
+
+
+    def create_fname(s, analyse):
+        l = split_before_number(s)
+        species = l[0]
+        nb = l[1]
+        return '{}-{}-{}_100vW_100SPD'.format(species,nb,analyse)
+
+    df['path_ana'] = df['sample_name'].map(lambda x: create_fname(x,analyse='ANA'))
+    df['path_aer'] = df['sample_name'].map(lambda x: create_fname(x, analyse='AER'))
+
+    return df
+
+
+    #69 antibio + species
+    #sample_name : lien avec le fichier brut ESCCOL-284-AER_100vW_100SPD correspond à ESCCOL284 variant ANA pour chaque echantillon
     #species : espèce => label de prédiction "simple"
     #antibiogramme : disk + grand - résistant, vitek + grand + resistant, mic + grand + resistant
     #AMC, AMK, AMP, AMX, ATM, CAZ, CHL, CIP, COL, CRO, CTX, CXM, CZA, CZT, ETP, FEP, FOS, FOX, GEN, IPM, LVX, MEC, MEM,
@@ -291,7 +319,7 @@ def create_antibio_dataset(path='data/230804_strain_peptides_antibiogram_Enterob
 
 if __name__ == "__main__":
     path = 'data/230804_strain_peptides_antibiogram_Enterobacterales.xlsx'
-    df = pd.read_excel(path, header=1)
+    df = create_antibio_dataset(path)
     # e = oms.MSExperiment()
     # oms.MzMLFile().load("data/STAPH140.mzML", e)
     # im = build_image_frag(e, 2)