ShapG2P

ShapG2P: a strategy for biomarker pathway enrichment with PPI network topology and SHAP analysis.

输入一个基因符号列表（文件或直接传 list），输出 {通路名: SHAP 分数} 字典，按分数从大到小排序。

方法

• 每个基因以其到各通路基因的 PPI 网络距离（exp(-d/2) 相似度）为特征；
• XGBoost 分类器区分 biomarker 与背景基因（全局 1:1 欠采样，SEED=42）；
• 用 SHAP（pred_contribs）计算每条通路特征的平均绝对贡献 = 通路 SHAP 分数。

内置数据：STRING 人类 PPI 网络（17613 基因）、KEGG / Hallmark / WikiPathway 通路。

安装

pip install shapg2p

或本地开发安装：

cd shapg2p_pkg
pip install -e .

用法

from shapg2p import score_pathways

# 方式 1: 直接传基因符号列表
scores = score_pathways(['TP53', 'ATM', 'APOE', 'SOD1', 'CDKN2A'])

# 方式 2: 传文件路径 (CSV/TSV/TXT, 含常见基因列如 gene symbol / gene / symbol)
scores = score_pathways('my_biomarkers.csv')

# 方式 3: 传逗号/空格/换行分隔的字符串
scores = score_pathways('TP53, ATM, APOE')

# 输出: 字典, 按 SHAP 分数从大到小
print(scores)
# {'p53 signaling pathway': 0.42, 'Alzheimer disease': 0.31, ...}

运行约需 1–3 分钟（一次 XGBoost 训练 + 全基因 SHAP 计算）。

输出说明

返回 dict[str, float]：key 为通路名，value 为该通路的 mean |SHAP| 分数，按分数降序； 仅包含分数 > 0 的通路（无关通路不返回）。同名通路（出现在多个数据库中）取最大分数。

上传到 PyPI（供他人 pip install）

1. 注册账号并创建 API token

• 注册：https://pypi.org/account/register/
• 创建 token：https://pypi.org/manage/account/token/ （Scope 选整个账号即可）
• token 形如 pypi-AgEIcHlwaS5vcmcC...，只显示一次，保存好

2. 构建

pip install --upgrade build twine
cd shapg2p_pkg
python -m build

生成 dist/shapg2p-0.1.0.tar.gz 和 dist/shapg2p-0.1.0-py3-none-any.whl。

3. 先传 TestPyPI 验证（可选但推荐）

python -m twine upload --repository testpypi dist/*
# 用户名输入: __token__   密码输入: pypi-xxx (你的 API token)

# 验证安装
pip install --index-url https://test.pypi.org/simple/ shapg2p

4. 上传正式 PyPI

python -m twine upload dist/*

同样输入 __token__ + API token。上传成功后即可：

pip install shapg2p

5. 更新版本

修改 pyproject.toml 的 version（如 0.1.1），重新 python -m build 并 twine upload dist/*。 PyPI 不允许重复上传相同版本号。

依赖

numpy / pandas / scipy / scikit-learn / xgboost（pip install shapg2p 时自动安装）。