R语言 gaga包 geneclus()函数中文帮助文档(中英文对照)

loveR

geneclus(gaga)
geneclus()所属R语言包：gaga

                                         Cluster genes into expression patterns.
                                         到聚类基因表达模式。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Performs supervised gene clustering. Clusters genes into the expression pattern with highest posterior probability, according to a GaGa or MiGaGa fit.
执行监督的基因聚类。聚类基因表达模式到最高后验概率，根据一个GAGA或MiGaGa合适。


用法----------Usage----------


geneclus(gg.fit, method='posprob')



参数----------Arguments----------

参数：gg.fit
GaGa or MiGaGa fit (object of type gagafit, as returned by fitGG).  
GAGA或MiGaGa合适的类型gagafit，fitGG返回的对象。


参数：method
For method==1 samples are assigned to pattern with highest posterior probability, and for method==1 to the pattern with highest  likelihood (e.g. assuming equal a priori prob for all patterns)
method==1样品被分配到最高后验概率模式，method==1最高的可能性（例如，假设等于为所有模式的先验概率）的格局


Details

详情----------Details----------

Each gene is assigned to the pattern with highest posterior probability.   This is similar to routine findgenes, which also assigns genes to the pattern with highest posterior probability, although findgenes applies an FDR-based correction i.e. tends to assign more genes to the null pattern of no differential expression.
每个基因被分配到最高后验概率的格局。这是类似于常规findgenes，这也赋予基因的后验概率最高的模式，虽然findgenes适用于FDR基于修正，即倾向于分配更多的空格局没有差异表达的基因。


值----------Value----------

List with components:
与组件列表：


参数：d
Vector indicating the pattern that each gene is assigned to.
向量表明，每个基因被分配到的模式。


参数：posprob
Vector with posterior probabilities of the assigned patterns.
向量的分配模式后验概率。


作者（S）----------Author(s)----------


David Rossell



参考文献----------References----------

flexible hierarchical model for microarray

参见----------See Also----------

fitGG, parest
fitGG，parest


举例----------Examples----------


#Not run. Example from the help manual[无法运行。例如，从帮助手册]
#library(gaga)[库（加加）]
#set.seed(10)[set.seed（10）]
#n &lt;- 100; m &lt;- c(6,6)[N < -  100米< -  C（6,6）]
#a0 &lt;- 25.5; nu &lt;- 0.109[A0 < -  25.5; NU < -  0.109]
#balpha &lt;- 1.183; nualpha &lt;- 1683[balpha < -  1.183; nualpha < -  1683]
#probpat &lt;- c(.95,.05)[probpat < -  C（0.95，0.05）]
#xsim &lt;- simGG(n,m,p.de=probpat[2],a0,nu,balpha,nualpha)[simGG XSIM < - （N，M，p.de = probpat [2]，A0，Nu，balpha，nualpha）]
#[]
#ggfit &lt;- fitGG(xsim$x[,c(-6,-12)],groups,patterns=patterns,nclust=1)[ggfit < -  fitGG（XSIM $ X，C（-6，-12），团体，花纹图案，nclust = 1）]
#ggfit &lt;- parest(ggfit,x=xsim$x[,c(-6,-12)],groups,burnin=100,alpha=.05)[ggfit < -  parest（ggfit，X = XSIM $ X [，C（-6，-12），团体，燃尽= 100，α= .05）]
#[]
#dclus &lt;- geneclus(ggfit)  #not use FDR correction[dclus geneclus（ggfit）< - ＃不使用FDR校正]
#dfdr &lt;- findgenes(ggfit,xsim$x[,c(-6,-12)],groups,fdrmax=.05,parametric=TRUE) #use FDR correction[dfdr < -  findgenes（ggfit，XSIM $ X，C（-6，-12），团体，fdrmax = .05，参数= TRUE）＃使用FDR校正]
#table(dfdr$d,dclus$d) #compare results[表（dfdr $ D，dclus $ D）比较结果]

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。