data lake 의 DepMap 데이터에서 의존성이 가장 큰 유전자 10개를 표로 보여 줘.
K
완료
실행 과정 11단계 · 52초
-
진행에이전트를 준비하고 있습니다.
-
진행질문에 맞는 도구와 데이터를 고르고 있습니다.
-
진행도구 6개, 데이터 5개, 라이브러리 5개를 골랐습니다.
-
계획생각 및 reasoning: DepMap 데이터에서 “의존성이 가장 큰 유전자”는 보통 CRISPRGeneDependency의 dependency probability가 높은 유전자(여러 cell line에서 의존적일 확률이 높음)로 해석할 수 있습니다. 따라서 각 유전자별로 모든 DepMap 모델/세포주에 걸친 평균 dependency probability를 계산하고, 평균이 가장 높은 상위 10개를 표로 정리하겠습니다. 먼저 파일 구조와 열 이름을 확인한 뒤 계산하겠습니다. 1. [ ] DepMap_CRISPRGeneDependency.csv 파일의 크기와 열/행 구조를 확인한다. 2. [ ] 유전자별 평균 dependency probability를 계산한다. 3. [ ] 평균 의존성 상위 10개 유전자를 표로 저장하고 출력한다. 4. [ ] 결과 해석과 다운로드 가능한 파일명을 사용자에게 제공한다.
-
코드 pythonpython
import os import pandas as pd print("Step 1: Inspecting DepMap_CRISPRGeneDependency.csv") path = "/work/biomni_data/data_lake/DepMap_CRISPRGeneDependency.csv" print("File exists:", os.path.exists(path)) print("File size MB:", round(os.path.getsize(path)/1024/1024, 2)) # Read a small sample to inspect structure sample = pd.read_csv(path, nrows=5) print("Shape sample:", sample.shape) print("First 10 columns:", list(sample.columns[:10])) print("Sample rows:") print(sample.iloc[:, :8].to_string(index=False)) print("\nUpdated plan:") print("1. [✓] DepMap_CRISPRGeneDependency.csv 파일의 크기와 열/행 구조를 확인한다. (completed)") print("2. [ ] 유전자별 평균 dependency probability를 계산한다.") print("3. [ ] 평균 의존성 상위 10개 유전자를 표로 저장하고 출력한다.") print("4. [ ] 결과 해석과 다운로드 가능한 파일명을 사용자에게 제공한다.") -
실행 결과
실행 결과 보기
Step 1: Inspecting DepMap_CRISPRGeneDependency.csv File exists: True File size MB: 403.25 Shape sample: (5, 17917) First 10 columns: ['Unnamed: 0', 'A1BG (1)', 'A1CF (29974)', 'A2M (2)', 'A2ML1 (144568)', 'A3GALT2 (127550)', 'A4GALT (53947)', 'A4GNT (51146)', 'AAAS (8086)', 'AACS (65985)'] Sample rows: Unnamed: 0 A1BG (1) A1CF (29974) A2M (2) A2ML1 (144568) A3GALT2 (127550) A4GALT (53947) A4GNT (51146) ACH-000001 0.060766 0.015337 0.018333 0.059329 0.030781 0.004138 0.042726 ACH-000004 0.019593 0.040244 0.052607 0.024760 0.031599 0.103393 0.001659 ACH-000005 0.045185 0.018934 0.006529 0.009393 0.059700 0.106374 0.006135 ACH-000007 0.022271 0.044283 0.005599 0.003947 0.011994 0.018006 0.015094 ACH-000009 0.021977 0.111835 0.016560 0.017707 0.010077 0.096259 0.022340 Updated plan: 1. [✓] DepMap_CRISPRGeneDependency.csv 파일의 크기와 열/행 구조를 확인한다. (completed) 2. [ ] 유전자별 평균 dependency probability를 계산한다. 3. [ ] 평균 의존성 상위 10개 유전자를 표로 저장하고 출력한다. 4. [ ] 결과 해석과 다운로드 가능한 파일명을 사용자에게 제공한다.
-
계획생각 및 reasoning: 파일 구조를 확인한 결과 첫 번째 열 `Unnamed: 0`은 DepMap 모델 ID이고, 나머지 열들이 유전자별 dependency probability입니다. 이제 `Unnamed: 0`을 제외하고 각 유전자 열의 평균 dependency probability를 계산해 상위 10개를 추출하겠습니다. 1. [✓] DepMap_CRISPRGeneDependency.csv 파일의 크기와 열/행 구조를 확인한다. (completed) 2. [ ] 유전자별 평균 dependency probability를 계산한다. 3. [ ] 평균 의존성 상위 10개 유전자를 표로 저장하고 출력한다. 4. [ ] 결과 해석과 다운로드 가능한 파일명을 사용자에게 제공한다.
-
코드 pythonpython
import re import pandas as pd print("Step 2-3: Calculating top 10 genes by mean dependency probability") path = "/work/biomni_data/data_lake/DepMap_CRISPRGeneDependency.csv" # First column is model ID; read it as index to make calculations simpler. df = pd.read_csv(path, index_col=0) print("Loaded matrix shape: rows/cell lines =", df.shape[0], ", gene columns =", df.shape[1]) # Convert to numeric if needed and compute gene-wise mean dependency probability. numeric_df = df.apply(pd.to_numeric, errors="coerce") mean_dependency = numeric_df.mean(axis=0, skipna=True) n_nonmissing = numeric_df.notna().sum(axis=0) top10 = ( pd.DataFrame({ "gene_column": mean_dependency.index, "mean_dependency_probability": mean_dependency.values, "n_cell_lines_nonmissing": n_nonmissing.values }) .sort_values("mean_dependency_probability", ascending=False) .head(10) .reset_index(drop=True) ) # Parse DepMap-style gene label, e.g. "RPL10 (6134)" def parse_gene_label(label): m = re.match(r"^(.*?)\s+\(([^()]*)\)$", str(label)) if m: return pd.Series([m.group(1), m.group(2)]) return pd.Series([str(label), ""]) top10[["gene_symbol", "entrez_id"]] = top10["gene_column"].apply(parse_gene_label) top10 = top10[ ["gene_symbol", "entrez_id", "mean_dependency_probability", "n_cell_lines_nonmissing", "gene_column"] ] out_path = "depmap_top10_mean_dependency_genes.csv" top10.to_csv(out_path, index=False) print("\nTop 10 genes by mean dependency probability:") print(top10.to_string(index=False)) print(f"\nSaved CSV file: {out_path}") print("\nUpdated plan:") print("1. [✓] DepMap_CRISPRGeneDependency.csv 파일의 크기와 열/행 구조를 확인한다. (completed)") print("2. [✓] 유전자별 평균 dependency probability를 계산한다. (completed)") print("3. [✓] 평균 의존성 상위 10개 유전자를 표로 저장하고 출력한다. (completed)") print("4. [ ] 결과 해석과 다운로드 가능한 파일명을 사용자에게 제공한다.") -
실행 결과
실행 결과 보기
Step 2-3: Calculating top 10 genes by mean dependency probability Loaded matrix shape: rows/cell lines = 1183 , gene columns = 17916 Top 10 genes by mean dependency probability: gene_symbol entrez_id mean_dependency_probability n_cell_lines_nonmissing gene_column UBL5 59286 0.999999 1183 UBL5 (59286) RPS29 6235 0.999999 1183 RPS29 (6235) PUF60 22827 0.999998 1183 PUF60 (22827) HSPE1 3336 0.999992 1165 HSPE1 (3336) PRPF38A 84950 0.999992 1183 PRPF38A (84950) SNRPD3 6634 0.999990 351 SNRPD3 (6634) PSMA6 5687 0.999989 1183 PSMA6 (5687) RAN 5901 0.999989 1183 RAN (5901) RPS3 6188 0.999981 1183 RPS3 (6188) SNRPA1 6627 0.999977 1183 SNRPA1 (6627) Saved CSV file: depmap_top10_mean_dependency_genes.csv Updated plan: 1. [✓] DepMap_CRISPRGeneDependency.csv 파일의 크기와 열/행 구조를 확인한다. (completed) 2. [✓] 유전자별 평균 dependency probability를 계산한다. (completed) 3. [✓] 평균 의존성 상위 10개 유전자를 표로 저장하고 출력한다. (completed) 4. [ ] 결과 해석과 다운로드 가능한 파일명을 사용자에게 제공한다. -
파일depmap_top10_mean_dependency_genes.csv
-
계획생각 및 reasoning: DepMap `CRISPRGeneDependency` 데이터에서 각 유전자별 dependency probability를 1,183개 cell line 전체에 대해 평균내어 “평균 의존성”이 가장 큰 유전자 10개를 선정했습니다. 값이 1에 가까울수록 더 많은 cell line에서 해당 유전자에 강하게 의존한다는 의미입니다.
1. [✓] DepMap_CRISPRGeneDependency.csv 파일의 크기와 열/행 구조를 확인했다.
2. [✓] 유전자별 평균 dependency probability를 계산했다.
3. [✓] 평균 의존성 상위 10개 유전자를 표로 저장하고 출력했다.
4. [✓] 결과 해석과 다운로드 가능한 파일명을 제공한다.
### DepMap CRISPR dependency probability 기준 상위 10개 유전자
| 순위 | Gene symbol | Entrez ID | 평균 dependency probability | Non-missing cell lines |
|---:|---|---:|---:|---:|
| 1 | UBL5 | 59286 | 0.999999 | 1183 |
| 2 | RPS29 | 6235 | 0.999999 | 1183 |
| 3 | PUF60 | 22827 | 0.999998 | 1183 |
| 4 | HSPE1 | 3336 | 0.999992 | 1165 |
| 5 | PRPF38A | 84950 | 0.999992 | 1183 |
| 6 | SNRPD3 | 6634 | 0.999990 | 351 |
| 7 | PSMA6 | 5687 | 0.999989 | 1183 |
| 8 | RAN | 5901 | 0.999989 | 1183 |
| 9 | RPS3 | 6188 | 0.999981 | 1183 |
| 10 | SNRPA1 | 6627 | 0.999977 | 1183 |
결과 파일도 저장했습니다:
`depmap_top10_mean_dependency_genes.csv`
참고: `SNRPD3`는 non-missing cell line 수가 351개로 다른 유전자보다 적으므로, 전체 cell line coverage를 중시한다면 해석 시 주의가 필요합니다.