R语言 EBarrays包 crit.fun()函数中文帮助文档(中英文对照)

loveR

crit.fun(EBarrays)
crit.fun()所属R语言包：EBarrays

                                        Find posterior probability threshold to control FDR
                                         发现后验概率阈值控制FDR

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Find posterior probability threshold to control FDR  
发现后验概率阈值控制FDR


用法----------Usage----------


crit.fun(x, cc)



参数----------Arguments----------

参数：x
x is one minus the posterior probabilities of being in a specific DE pattern. If there is only one DE pattern, then x is the posterior probabilities of being EE.
x是在一个特定的DE模式的后验概率减去之一。如果只有一个德模式，那么x是被EE的后验概率。


参数：cc
cc is FDR to be controlled. For example, to control FDR at 0.05, set cc=0.05.
cc是FDR得到控制。例如，控制在0.05FDR，集CC = 0.05。


值----------Value----------

crit.fun returns a threshold so that if used in identifying genes in a specific DE pattern, FDR can be controlled at cc. Those genes with posterior probability of being in that specific DE pattern greater than this threshold are claimed to be in that specific DE pattern.
crit.fun返回一个阈值，因此，如果在确定基因在一个特定的DE模式，FDR可以在CC控制。这些基因在具体电泳图谱大于这个阈值的后验概率，声称要在特定的电泳图谱。


作者（S）----------Author(s)----------


Ming Yuan, Ping Wang, Deepayan sarkar, Michael Newton, and Christina Kendziorski



参考文献----------References----------

Detecting differential gene expression with a semiparametric hierarchical mixture model. Biostatistics 5, 155-176.

举例----------Examples----------


data(gould)
pattern <- ebPatterns(c("1,1,1,0,0,0,0,0,0,0",
                        "1,2,2,0,0,0,0,0,0,0"))
gg.em.out <- emfit(gould, family = "GG", hypotheses = pattern, num.iter = 10)
gg.post.out <- postprob(gg.em.out, gould)$pattern
gg.crit <- crit.fun(gg.post.out[,1],0.05)
# number of DE genes [DE的基因数目]
sum(gg.post.out[,2] > gg.crit)

pattern4 <- ebPatterns(c("1, 1, 1, 1, 1, 1, 1, 1, 1, 1",
                         "1, 2, 2, 2, 2, 2, 2, 2, 2, 2",
                         "1,2,2,1,1,1,1,1,2,2",
                         "1,1,1,1,1,1,1,1,2,2"))
gg4.em.out <- emfit(gould, family = "GG", pattern4, num.iter = 10)
gg4.post.out <- postprob(gg4.em.out, gould)$pattern
gg4.crit <- crit.fun(1-gg4.post.out[,2], 0.05)
# number of genes in pattern 2, a DE pattern[在模式2的基因数量，一个DE模式]
sum(gg4.post.out[,2] > gg4.crit)

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。