熨斗的软件

这是用于跟踪由马达蛋白驱动的微管组合的模拟工具。微管被建模为直刚性纤维，马达蛋白被建模为胡克弹簧，主动结合-解结合动力学由两级动力学蒙特卡罗模型控制，以实现详细的平衡。结合了基于几何约束优化的最先进的碰撞解决算法，以达到较长的物理动力学时间尺度。这个包是大规模并行的。

我们正在构建一个“天体测量引擎”，为每一张有用的天文图像(过去和未来)创建正确的、符合标准的天体测量元数据，无论存档处于何种混乱状态。天体测量引擎将接收任何图像并返回天体测量世界坐标系(WCS)——即，图像坐标和天空坐标之间(通常是非线性的)转换的基于标准的描述——绝对没有“假阳性”(但可能有一些“没有答案”)。即使输入图像的元数据没有错误或完全错误，它也会尽其所能。我们打算在网上、天文台、车牌扫描项目和数据档案上安装实时操作的引擎。

AFQMC库旨在提供一个广泛定义的辅助场量子蒙特卡罗的综合软件环境，用于研究量子多费米子系统。

这个库将包含一套用于
1.相关电子模型与超冷费米子原子体系
2.处理标准量子化学哈密顿量的分子计算(例如，使用高斯基集)
3.平面波和伪势扩展系统的从头算

钙成像采集技术的最新进展正在创建兆兆字节/周的数据集。内存和计算效率算法需要在合理的时间内分析tb级的数据。本项目实现了一套钙成像片分析管道所需的基本方法。快速和可扩展的算法实现了运动校正，电影操作，和源和尖刺提取。CaImAn还包含一些用于分析视频摄像机行为的例程。总之，CaImAn提供了一个处理大型电影的通用工具，特别强调双光子和单光子钙成像和行为数据集的工具。

钙成像采集技术的最新进展正在创建兆兆字节/周的数据集。内存和计算效率算法需要在合理的时间内分析tb级的数据。本项目实现了一套钙成像片分析管道所需的基本方法。快速和可扩展的算法实现了运动校正，电影操作，和源和尖刺提取。CaImAn还包含一些用于分析视频摄像机行为的例程。总之，CaImAn提供了一个处理大型电影的通用工具，特别强调双光子和单光子钙成像和行为数据集的工具。

大规模钙成像数据分析的计算工具箱。该代码实现了CNMF算法，用于从大规模钙成像电影中同步提取源和尖峰推断。包括更多的功能。该代码适用于体细胞成像数据的分析。未来还将增加树枝状/轴突成像数据分析的改进实现。

大规模钙成像数据分析的计算工具箱。该代码实现了CNMF算法，用于从大规模钙成像电影中同步提取源和尖峰推断。包括更多的功能。该代码适用于体细胞成像数据的分析。未来还将增加树枝状/轴突成像数据分析的改进实现。

celerite是一个用于一维快速和可扩展高斯过程(GP)回归的库，使用c++、Python和Julia实现。Python实现是最稳定的，它暴露了最多的特性，但它依赖于c++实现来提高计算效率。本文档不会教你GP建模的基础知识，但学习这方面的最佳资源可以在网上免费获得:Rasmussen & Williams(2006)。

现代成像方法，如光、电子和同步x射线，使大样本的3D成像具有高分辨率。因此，产生了越来越多的太字节级甚至拍字节级的图像卷。在单台计算机上运行的传统软件已经无法处理它们，分布式计算，特别是云计算通常是首选。同时，由于科学任务的多样性，图像处理管道也存在着多样性，而它们内部通常有一些共同的操作。Chunkflow就是为了应对这些挑战而设计的。图像卷被分解为块，并分布在计算节点之间。得益于混合云架构设计，用户可以在cpu和gpu同时使用本地集群和公共云运行任务。目前，可以在命令行中组合50多个操作符，以立即构建定制的管道。用户还可以轻松地插入自己的Python代码作为新操作符。Chunkflow是在实际项目中构建的，已经用于产生超过18 pb的结果卷。 The maximum scale we have reached is over 3300 instances with GPUs in Google Cloud across three regions, and Chunkflow is still robust and reliable.

基于CPU代码FINUFFT的类型1和2的二维和三维非均匀FFT的GPU实现，有单精度和双精度。

Daft是一个使用matplotlib渲染像素完美概率图形模型的Python包，用于在期刊或互联网上发表。通过简短的Python脚本和直观的模型构建语法，您可以设计有向(贝叶斯网络、有向无环图)和无向(马尔可夫随机场)模型，并将它们保存为matplotlib支持的任何格式(包括PDF、PNG、EPS和SVG)。

DeepSEA是一种基于深度学习的算法框架，用于预测单核苷酸敏感性的序列改变的染色质效应。DeepSEA可以准确预测序列的表观遗传状态，包括转录因子结合、DNase I敏感性和多种细胞类型中的组蛋白标记，并进一步利用这一能力预测序列变体的染色质效应，并对调控变体进行优先级排序。

emcee是Goodman & Weare的仿射不变马尔可夫链蒙特卡罗(MCMC)集成采样器的MIT授权纯python实现，这些页面将向您展示如何使用它。本文档不会教给您太多关于MCMC的知识，但是有很多这方面的参考资料(试试本文档)。我们还发表了一篇论文，详细解释了emcee算法和实现。

快速sinc转换库，它计算sinc和sinc2核在1、2或3维的N个任意点之间的和。这在MRI和带限函数近似中有应用。朴素代价是O(N2)，而我们的算法是n的准线性。

基于fft加速插值的t-SNE (FIt-SNE)是t-SNE(随机邻域嵌入)的有效实现，用于高维数据集的降维和可视化。该代码能够在桌面上不到2分钟的时间内对100万个数据点执行1000次t-SNE迭代，比任何其他现有代码都快很多倍。由耶鲁大学的Manas rach合著。

Figurl允许您使用Python生成可共享的图形(永久链接)以实现交互式可视化。只需进行最小的配置，就可以从任何可以访问互联网的计算机上生成这些文件。可视化所需的数据对象存储在kacheery -cloud中，并通过内容-地址字符串引用。特定于领域的可视化插件也存储在云中，并使用ReactJS进行开发。中心网站figl.org将可视化插件与数据对象配对，以创建可共享的交互式视图。

FINUFFT是一组库，用于在多核共享内存机器上以指定的精度在一维、二维或三维上高效地计算三种类型的非均匀快速傅里叶变换(NUFFT)。该库有一个非常简单的接口，不需要任何预计算步骤，是用c++(使用OpenMP和FFTW)编写的，并具有对C、fortran、MATLAB、octave和python的包装器。例如，给定M个任意实数xj和复数cj，且j=1，…，M和请求的整数数量的模式N, 1D type-1(又名“伴随”)转换计算这N个数字。

FMM3D是一组库，用于在多核共享内存机器上计算由拉普拉斯和Helmholtz方程控制的n体相互作用，并达到指定的精度。三维快速多极方法在线性或准线性时间内，由于震源数量众多，在大量目标处评估电位(和梯度等)。我们的实现利用了有效的平面波展开、simd加速的内核计算和多线程。

组织特异性相互作用:FNTM利用组织特异性金标准，从不同组织和细胞类型的大型数据汇编中自动增加与组织相关的数据集的权重。由此产生的功能网络准确地捕获了组织特异性的功能相互作用。
多组织分析:除了单个基因在单个组织中的作用的问题外，FNTM还可以在大范围内检查跨组织的基因功能变化。用户可以通过在下拉菜单中选择相关组织来比较基因在不同组织中的功能相互作用。

星系动力学是一门研究星系形成、历史和演化的学科，它使用物体的轨道——恒星、暗物质粒子、星团或星系本身的数字综合轨迹。Gala是一个隶属于astropy的Python包，旨在为执行银河动力学研究所需的常见任务提供有效的工具。大部分代码使用Python实现灵活的、用户友好的界面，这些界面与围绕底层代码(主要是C)的包装器交互，以实现快速计算。常用的操作包括重力势和力的计算、轨道积分、动态坐标变换和计算非线性动力学的混沌指标。Gala大量使用Astropy核心包中定义的单位和天文坐标系。

George是一个快速而灵活的用于高斯过程回归的Python库。它利用了分层非对角低秩的形式来实现快速执行的受控近似。

组织特异性交互作用:GIANT利用组织特异性金标准，从不同组织和细胞类型的大型数据汇编中自动增加与组织相关的数据集的权重。由此产生的功能网络准确地捕获了组织特异性的功能相互作用。
多组织分析:除了单个基因在单个组织中的作用的问题外，GIANT还能在大范围内检查跨组织的基因功能变化。用户可以通过在下拉菜单中选择相关组织来比较基因在不同组织中的功能相互作用。
NetWAS分析:GIANT可以有效地从全基因组关联研究(GWAS)中重新确定功能关联的优先级，并有可能识别额外的疾病相关基因。这种名为NetWAS的方法可以应用于任何GWAS研究，并且不要求表型或疾病有任何已知的相关基因。

HumanBase应用机器学习算法从大量基因组数据集合中学习生物关联。这些综合分析超越了文献中现有的“生物学知识”，以确定新的、数据驱动的关联。

在多种生物的基因-基因网络的功能背景下分析你的实验结果。通过识别感兴趣基因参与的通路或附加过程中的新基因参与者，使用IMP指导附加功能实验。

IronClust是一种快速、抗漂移的穗分拣管道。来自多个贡献实验室的多个地面真相数据集验证了穗排序的准确性。IronClust可以利用GPU或可用的计算集群。IronClust需要Matlab自带图像、并行和信号处理工具箱。IronClust支持Windows、Mac和Linux。

ISO-SPLIT是一种高效的聚类算法，它处理数量未知的中低维单峰聚类，不需要任何用户可调整的参数。它是基于对单模态的重复检验——使用等张回归和一种适用于假定簇对一维投影的修正Hartigan倾角检验。它能很好地处理密度和种群变化很大的非高斯聚类，并且在这样的环境中表现优于k均值变体、高斯混合模型和基于密度的方法。
该存储库包含一个高效的c++单线程实现，带有MATLAB/MEX接口。
它是由Jeremy Magland发明和编写的，由SCDA/Flatiron研究所的Alex Barnett对算法和测试做出了贡献。

ITensor库支持基于张量网络的健壮高效软件的生产开发。ITensor库的创新设计让用户专注于张量网络的连通性，而不是更低层次的考虑，并基于张量图符号建模。ITensor具有多层设计，包括基本的密集张量;稀疏的张量类型;量子数对称性的复杂处理;以及矩阵积状态的高级算法。
除了为ITensor及其用户提供持续的支持外，CCQ还在继续扩大ITensor的范围，使处理复杂的量子模型更容易，并继续结合最新的算法发展和张量网络格式。

Kachery-cloud是一个用于在实验室计算机和基于浏览器的用户界面之间共享科学数据文件、实时提要、可变数据和计算结果的网络。资源被组织成通过注册的Python客户端访问的项目。使用简单的Python命令，您可以存储文件、数据对象、可变变量或实时提要，然后通过引用通用URI字符串在远程机器上(或通过JavaScript在浏览器中)检索或访问这些文件。在静态内容的情况下，uri本质上是内容散列，因此形成了一个可寻址的内容存储数据库。虽然目前kachery-cloud的主要目的是支持figurl，但它也可以独立地用于协同科学研究工作流程，并提高科学的可重复性和传播性。

KNNimpute是一个k近邻算法的实现，用于估计微阵列数据中的缺失值。在我们对几种用于缺失值估计的不同方法的比较研究中，我们确定KNNimpute在各种情况下提供了优越的性能。

该服务器在硅纳米解剖中执行，这是我们开发的一种方法，用于识别具有新细胞谱系特异性表达的基因。该方法利用来自组织匀浆的高通量功能基因组学数据，准确预测在特定细胞类型中富集的基因。

NetKet是一个开源项目，通过人工神经网络和机器学习技术为多体量子系统的研究提供先进的方法。它是第一个支持该领域协作开发的开源平台，旨在成为一个健壮而响应性高的参考实现，用于巩固的和新的、更具实验性的技术。
该软件的主要特点之一是能够使用基于神经网络的多体波函数的ansatz状态来寻找交互哈密顿量的基态。由于该库的模块化基础设施，可以高度定制其大部分组件。例如，改变哈密顿量、可观察量和其他与问题相关的量是很容易的，不需要对编程语言有深入的了解。
为了刺激软件的大规模概念和实践开发，NetKet引入了一系列“挑战”任务，供世界各地的研究人员解决。

由于神经元和血管的弦状性质，它们可以抽象为具有中心线和半径的曲线管。这种表示方法可用于路径长度和分支角度等形态学分析。在对体素进行精确分割的前提下，计算物体中心线和半径称为骨架化。RealNeuralNetworks.jlis developed to do that. Unlike most related packages, it combines the synaptic connectivity graph with morphological features and could be used to explore the relationship between synaptic connectivity and morphology. Recently, a new arising programing language, called Julia, is getting popular in data science. RealNeuralNetworks.jl is a Julia package and the algorithms are written from scratch for less dependency and efficiency.

SEEK是一个计算基因共表达搜索引擎。SEEK为生物学家提供了一种方法来导航庞大的人类表达简集，该简集目前包含数千个表达数据集。SEEK返回由用户查询的基因定义的感兴趣的生物领域的共表达基因的健壮排名。同时，它还根据用户感兴趣的查询对数千个表达式数据集进行优先级排序。SEEK的独特优势包括支持多基因查询和跨平台分析，以及丰富的可视化功能。

SkellySim是一个模拟包，用于模拟细胞组件，如柔性丝、运动蛋白和任意刚体。它被设计成高度可扩展的，能够同时支持OpenMP和MPI风格的并行，同时使用高效的STKFMM/PVFMM库进行流体动力解析。

Sleipnir是一个c++库，能够对基因组数据进行高效的分析、集成、挖掘和机器学习。这包括对微阵列的特别关注，因为它们构成了许多生物体的大量可用数据，但Sleipnir还可以集成各种各样的其他数据类型，从成对的物理相互作用到序列相似性或共享的转录因子结合位点。所有的分析都注意速度和内存的使用，使涵盖数万个基因的数百个数据集集成成为可能。除了核心库之外，Sleipnir还提供了各种预先制作的工具，为常见的数据处理任务和示例提供解决方案，以帮助您在自己的程序中使用Sleipnir。Sleipnir是免费的、开源的、完整的文档化的，可以单独使用，也可以作为计算生物学分析中的一个组件。

星空能够为天文学中的各种应用计算快速和精确的光曲线:系外行星的凌日和二次日食，日食双星的光曲线，系外行星的旋转相位曲线，行星-行星和行星-月掩星的光曲线，等等。

这是边界积分方法中拉普拉斯算子和Stokes算子的各种单层和双层核的数值计算包，在高度优化的核无关快速多极方法包PVFMM上实现。所有的内核计算都由AVX2 SIMD指令手工优化，以最大化计算速度。

TRIQS(交互量子系统研究工具箱)项目提供了一个Python/ c++基本组件库，用于实现量子多体问题的前沿算法，重点关注量子嵌入和量子蒙特卡罗方法。该项目还包括一系列应用，例如最先进的量子杂质求解器，以及用于DFT+DMFT计算的电子结构代码接口。

这里现在是URSA和URSA(HD)的家。利用数千个组织和疾病样本的基因表达谱，URSA和URSA(HD)确定了单个组织和疾病的不同分子特征。提交您的基因表达谱以使用这些分子签名并确定数据中的组织和疾病信号。