R语言 DEGraph包 hyper.test()函数中文帮助文档(中英文对照)

loveR

hyper.test(DEGraph)
hyper.test()所属R语言包：DEGraph

                                        Performs an hypergeometric test of enrichment of a set of
                                         执行一套浓缩的超几何测试

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Performs an hypergeometric test of enrichment of a set of hypotheses in significant elements.
执行一个显着元素的一组假说富集超几何测试。


用法----------Usage----------


hyper.test(p.values, testSet, thr=0.001, universe=length(p.values), verbose=FALSE)



参数----------Arguments----------

参数：p.values
A named numeric vector giving the p-values of all tested elements.
一个名为numeric向量给所有测试元素的p值。


参数：testSet
A character vector giving the ids of the elements in the tested set. Elements of 'testSet' must have a match in 'names(p.values)'.
一个character向量，使在测试集的元素的ID。 “testSet元素必须有一场比赛，在”名称（p.values）。


参数：thr
A numeric value between 0 and 1 giving the threshold on p-values at which an element is declared to be significant.
一个numeric值介于0和1给一个元素被宣布为显著的p值的阈值。


参数：universe
An integer value giving the number of elelments in the considered universe.  Defaults to 'length(p.values)'.
integer价值给予的认为宇宙elelments数。默认为长度（p.values）的“。


参数：verbose
If TRUE, extra information is output.
如果TRUE，输出额外的信息。


值----------Value----------

A list with class "htest" containing the following components:
一个list类“htest”包含以下组件：




statistic A numeric value, the test statistic.
统计一个numeric值，检验统计量。




p.value A numeric value, the corresponding p-value.
p.value一个numeric值，相应的p值。


作者（S）----------Author(s)----------


Laurent Jacob, Pierre Neuvial and Sandrine Dudoit



参见----------See Also----------

AN.test() BS.test() graph.T2.test()
AN.test（）BS.test（）graph.T2.test（）


举例----------Examples----------


library("KEGGgraph")
## library("NCIgraph")[＃库（“NCIgraph”）]
library("rrcov")

data("Loi2008_DEGraphVignette")
exprData <- exprLoi2008
classData <- classLoi2008
rn <- rownames(exprData)

## Retrieve expression levels data for genes from one KEGG pathway[＃从一个KEGG通路的基因表达水平的数据检索]
gr <- grListKEGG[[1]]
gids <- translateKEGGID2GeneID(nodes(gr))
mm <- match(gids, rownames(exprData))

## Keep genes from the graph that are present in the expression data set[＃远离基因图，是在表达数据集]
idxs <- which(!is.na(mm))
gr <- subGraph(nodes(gr)[idxs], gr)

idxs <- which(is.na(mm))
if(length(idxs)) {
  print("Gene ID not found in expression data: ")
  str(gids[idxs])
}
dat <- exprData[na.omit(mm), ]
str(dat)

X1 <- t(dat[, classData==0])
X2 <- t(dat[, classData==1])

## DEGraph T2 test[＃DEGraph T2检验]
res <- testOneGraph(gr, exprData, classData, verbose=TRUE, prop=0.2)

## T2 test (Hotelling)[＃T2检验（霍特林）]
rT2 <- T2.test(X1, X2)
str(rT2)

## Adaptive Neyman test[＃自适应奈曼测试]
rAN <- AN.test(X1, X2, na.rm=TRUE)
str(rAN)

## Adaptive Neyman test from Fan and Lin (1998)[＃自适应奈曼测试范和林（1998）]
rAN <- AN.test(X1, X2, na.rm=TRUE)
str(rAN)

## Test from Bai and Saranadasa (1996)[＃测试从白和Saranadasa（1996）]
rBS <- BS.test(X1, X2, na.rm=TRUE)
str(rBS)

## Hypergeometric test[＃超几何测试]
pValues <- apply(exprData, 1, FUN=function(x) {
  tt <- t.test(x[classData==0], x[classData==1])
  tt$p.value
})
str(pValues)
names(pValues) <- rownames(exprData)
rHyper <- hyper.test(pValues, gids, thr=0.01)
str(rHyper)


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。