如何编写池algoritm以提高实验室工作效率？
如何编写池algoritm以提高实验室工作效率？
提问于 2021-09-06 14:43:25
我想知道，是否有一个算法，计算最佳组合的样本，以创建池，以分析每一个样本。
例如：
我有5个不同大小的植物种群
data = {'pop':[1,2,3,4,5],
'size':[23,45,65,31,43]}目的是分析每种植物的一个基因。我能做些什么来单独分析每一家工厂，但这可能涉及到太多的劳动。因此，我正考虑集中人口，以尽量减少所涉及的劳工。
例如，我可以简单地做pool1 = pop1，pop2，pop3 x pool2 = pop4，pop5，然后我在想为什么不做pool1 = pop2，pop5，pool2 = pop1，pop3和pool3 = pop4，所以我想知道是否有一种方法来计算种群或甚至植物的最佳组合(可以用每一种理想的方式来划分种群)。
因此，当pool1 (pop1，pop2，pop3)是阳性的(理想的基因发现)时，如何才能到达阳性的个体植物，即如何最有效地分割池以识别阳性的植物。一个种群的多个植物很可能是阳性的。
总的来说，我想尽量减少“运行”的次数。
据了解，阳性的预期频率为0.036。
我希望这个想法是明确的，有人对如何做到这一点有自己的想法。
谢谢
回答 1
Stack Overflow用户
发布于 2021-09-06 15:33:51
由于最初将植物划分为种群与这个问题无关，我将忽略它。
由于阳性的频率很低，我认为简单的二分法搜索应该是有效的。偶尔，我们会遇到这样的情况:我们将一个正的池分成两个子池，两个子池都是正的，但是由于阳性的频率很低，我们可以希望它不会发生得太频繁。
import random
# random data
n = 23+45+65+31+43
data = [{'id': random.random(),
'positive': random.choices([True, False], weights=[36, 1000-36])[0]
} for _ in range(n)]
def test_pool(pool): # tests if a pool is positive
# serious science in the lab happens here
return any(d['positive'] for d in pool)
def get_positives(data):
result = []
nb_tests = 0
pools = [data]
while pools:
pool = pools.pop()
if len(pool) == 1:
result.append(pool[0])
else:
for subpool in [pool[:len(pool)//2], pool[len(pool)//2:]]:
nb_tests += 1
if test_pool(subpool):
pools.append(subpool)
return result, nb_tests
results, nb_tests = get_positives(data)
ground_truth = [d for d in data if d['positive']]
print('NUMBER OF TESTS: {}'.format(nb_tests))
print('FOUND POSITIVES:')
print([d['id'] for d in results])
print('GROUND TRUTH:')
print([d['id'] for d in ground_truth])
# NUMBER OF TESTS: 46
# FOUND POSITIVES:
# [0.2505629359502266, 0.46483641024238254, 0.8786751274491258, 0.250765592789725]
# GROUND TRUTH:
# [0.250765592789725, 0.8786751274491258, 0.46483641024238254, 0.2505629359502266]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69076378
复制相关文章
相似问题
腾讯云开发者
