生物.图案.阈值模块

大致计算用于主题发现的适当阈值。

class Bio.motifs.thresholds.ScoreDistribution(motif=None, precision=10**3, pssm=None, background=None)

基类：object

代表给定主题的大致分数分布的类。

利用动态规划方法以预定义的精度计算分数分布。提供多种计算主题出现阈值的方法。

__init__(motif=None, precision=10**3, pssm=None, background=None)

初始化课程。

__firstlineno__ = 9

__static_attributes__ = ('bg_density', 'ic', 'interval', 'min_score', 'mo_density', 'n_points', 'step')

modify(scores, mo_probs, bg_probs)

修改图案和背景密度。

threshold_fpr(fpr)

大约产生I型错误（假阳性率）的对比阈值。

threshold_fnr(fnr)

大约产生II型错误（假阴性率）的对比阈值。

threshold_balanced(rate_proportion=1.0, return_rate=False)

使FNR等于FPR乘以rate_promotion的近似log赔率阈值。

threshold_patser()

阈值选择模仿Patser（Hertz，Stormo 1999）软件的行为。

它选择这样一个阈值，即log（fpr）=-ic（M）注意：实际的Patser软件使用自然曲线而不是log_2，因此数字不直接比较。