QIIME 2 2019.7 更新

QIIME 2 2019.7 昨天发布了，让我们来看一下更新了哪些内容。下一次更新在2019.10下旬，请持续关注。虚拟机镜像更新将在下周放出。

下面是更新亮点：

• QIIME 2 Framework
  • 1.更新了软件README文件，提供更多解释内容。
  • 2.artifacts在导入时验证整个文件，这有助于防止下游数据问题。这将为导入增加一些额外的时间，但是，我们认为值得等待！
  • 3.添加了对插件中操作弃用的支持！使用已弃用的操作将发出警告，指示该操作已弃用，并将在该插件的将来版本中删除。
  • 4.将明确的QIIME 2引用（Nature Biotech，2019 2）添加到插件引用，以及README文件中。
  • 5.添加了一个新的is_union帮助器来支持union输入类型。还修复了q2cli以支持复合基元。
  • 6.2019.7版本，pandas = 0.24.2
• docs
  • 1.在一些教程中更新了许多元数据列名称，以使用新的命名约定（例如，BarcodeSequence现在是条形码序列）。
  • 2.更新了教程中的SQL-where子句引用约定，以使用[column-name]语法，我们认为这种语法更容易阅读！
  • 3.写了一篇教程1介绍了一个基于帕金森病小鼠研究的新数据集。
  • 4.添加了捕获命令流的功能，这对于教程编写工作非常有用。整齐！
  • 5.最后将workshop部署脚本添加到此项目的主代码库中，这是一个对workshop讲师有用的功能。
  • 6.新的pre-trained feature classifiers现已发布。这些pre-trained feature classifiers反映了scikit-learn 0.21.2的最新更新。
  • 7.将明确的QIIME 2引用（Nature Biotech，2019 2）添加到“引用QIIME 2”页面。
  • 8.在样本分类器sample-classifier教程中添加了两个新特性的描述：作为分类 – 样本流程（sample-classifier）和混淆矩阵可视化器（confusion-matrix visualizer）的一部分生成的ROC曲线; 和分类样本，回归样本，预测分类（classify-samples, regress-samples, predict-classification, and predict-regression）和预测回归的概率（Probabilities）输出。
• dev-docs
  • 添加了一个描述如何更新插件的新教程。
• library
  • 更新了页面版权以反映当前年份。
• q2cli
  • 1.添加了“驱动器空间不足”和“文件路径不存在”错误的正确报告。
  • 2.对qiime tools view的帮助文本进行了更改。此更改现在应向用户显示用于提取可视化Visualization的有效命令建议。
  • 3.添加了自定义命令行文本格式的功能。
  • 4.添加了对新警告格式化文本类和新弃用插件属性的支持。
  • 5.修复了一个错误，以便在根安装的环境中启用Tab-completion。
• q2templates
  • 在浏览器窗口中调整大小的表格，调整文本对齐方式和居中表格。
• q2view
  • 1.将“Peek”选项卡重命名为“详细信息Details”，并将“源于起源记录的引文”面板从“Provenance”选项卡移动到新重命名的“详细信息Details”选项卡。
  • 2.在Gallery文件中重构React代码，以帮助为未来的开发人员保持清洁！
• q2-feature-classifier
  • 1.添加了一个新的流程：classify-hybrid-vsearch-sklearn。该管道以多个步骤执行序列的分类分类：1）序列针对二次采样参考数据库进行预过滤，以去除非目标序列; 2）使用QIIME 2的vsearch + LCA分类法对序列进行分类，使用新的search-exact参数找到精确匹配，然后进行共识分类法分配; 3）任何未被精确匹配分类器分类的序列都使用QIIME 2的classify-sklearn方法，使用预先训练的监督学习分类法进行分类。
  • 2.将两个新参数分类到classify-consensus-vsearch方法：search-exact和top-hits-only。search-exact将在参考数据库中搜索与查询序列完全匹配的内容; 只有这些匹配作为命中返回。top-hits-only参数仅导致与最高百分比标识相关联的参考数据库匹配被记录为命中。对于搜索精确和顶部命中 – 只有很多可能会找到多个完全匹配或顶部命中（联系），因此仍然可以通过q2-feature-classifier执行共识分类法分类。
  • 3.更新为scikit-learn v0.21.2！
  • 4.将joblib添加为依赖项（在sklearn中弃用已发布的代码之后）。
  • 5.更新了测试以使用BIOMV210格式。
• q2-cutadapt
  • 在此插件中的两个demux方法中添加了minimum_length参数！
• q2-demux
  • 添加了filter-samples方法，用于使用样本元数据从单个demux运行中分离数据。
• q2-dada2
  • 暴露单个正向和反向maxEE参数用于降噪配对。
• q2-deblur
  • 添加了q2-deblur解析包含分号的序列标识符的能力。
• q2-diversity
  • 更新到较新版本的UniFrac包。这包括一些错误修复和Faith的系统发育多样性的优化实现。
  • 添加了一种新的方法qiime多样性alpha-phylogenetic-alt，它使用Faith的系统发育多样性的优化实现。对于大型数据集，此方法具有更小的内存占用和更快的执行时间 :(请查看此处的一些基准测试）。由alpha-phylogentic和alpha-phylogenetic-alt产生的结果在其他方面是相同的。
  • 更新beta-phylogenetic以删除无关的错误检查。以前，系统发育被加载为skbio.TreeNode对象，以确认系统发育代表整个特征表，但最新版本的unifrac执行相同的检查。这将加速QIIME 2中的β系统发育方法。
  • 更新了BetaRarefactionTests以使用scipy.special.comb而不是scipy.misc.comb，它在scipy v1.0.0中已弃用，并在最新版本的scipy中删除。
  • 修复了adonis动作描述中的一个拼写错误。
  • 修复了adonis的视图类型为int而不是str。
• q2-taxa
  • 增加了一个滑块来调整条形图可视化中的条形图宽度！
  • 为元数据缺失时添加了一条新的错误消息，其中包含FeatureTable[Frequency]中存在的任何样本ID 。
  • 修正了一个错误，当改变分类水平时，条形图中的颜色方案会被重置！
• q2-sample-classifier
  • 1.协同允许split_tables使用各种FeatureTables！
  • 2.删除了模板生成的表的样式规则。
  • 3.修复了帮助文档中的热图元数据描述。
  • 4.更新的测试数据和递归特征提取测试。
  • 5.将joblib添加为依赖项（在sklearn中弃用已发布的代码之后）。
  • 6.添加了predict-classification, classify-samples,和classify-samples-ncv.的概率输出。这些方法和流程现在为每个测试样本输出预测的类可能性。
  • 7.修复了导致要素重要性分数被读取为非数字值的小错误。
  • 8.清理代码库以防止与pandas，sklearn和其他一些依赖项相关的弃用错误。更新了一些测试数据以反映由更新引起的预期变化（例如，SVM估计器已更新为默认使用gamma = scale，这会影响测试结果）。
  • 9.为作为分类 – 样本流程和混淆矩阵可视化器的一部分生成的可视化添加了一个新特征：ROC图和曲线下面积（AUC）。有关更多详细信息，请参阅q2-sample-classifier 4教程。
• q2-composition
  • 修复了ANCOM可视化工具中的一个错误，该错误阻止用户从火山图中获取背景数据。
• q2-gneiss 几个可视化器已被弃用，将在未来的q2-gneiss版本中删除（我们预计它们将在2019.10删除） balance-taxonomy dendrogram-heatmap ols-regression lme-regression
  • 1.改进了在尝试使用分类元数据列时生成的错误消息，其中所有值在运行balance_taxonomy可视化工具时都是数字。
  • 2.为q2-gneiss可视化添加了严格的布局格式。这可以防止具有长标签的图被截断。
• q2-longitudinal
  • 1.更新测试数据以适应statsmodels = 0.10.0的更改，当使用多个随机效果时，这会导致MixedLM结果发生非常轻微的变化。使用<2个随机效应的线性混合效应模型没有受到影响。
  • 2.在引文列表中修复了已损坏的DOI。
• q2-types
  • 1.使FASTA文件的验证更加坚挺。
  • 2.由于biom和scipy 1.3.0中的错误，删除了创建BIOMV100格式文件的变换器1.如果您需要创建一个JSON格式的biom文件，请创建一个新的conda环境并使用biom cli工具进行转换。
• https://qiime2.org
  • 增加了“引文QIIME2”按钮，使引文信息更容易在主网页上发现。
  • 在主页上增加了权威的QIIME 2引文(Nature Biotech，20192)。