R语言 genefu包 compute.proto.cor.meta()函数中文帮助文档(中英文对照)

loveR

compute.proto.cor.meta(genefu)
compute.proto.cor.meta()所属R语言包：genefu

                                         Function to compute correlations to prototypes in a meta-analytical framework
                                         函数来计算在一项荟萃分析框架与原型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function computes meta-estimate of correlation coefficients between a set of genes and a set of prototypes from a list of gene expression datasets.
此函数计算的基因组和一套从基因表达数据集列表中的原型之间的相关系数元估计。


用法----------Usage----------


compute.proto.cor.meta(datas, proto, method = c("pearson", "spearman"))



参数----------Arguments----------

参数：datas
List of datasets. Each dataset is a matrix of gene expressions with samples in rows and probes in columns, dimnames being properly defined. All the datasets must have the same probes.  
数据集的名单。每个数据集的样本矩阵中的行和列的探针，dimnames正确定义的基因表达。所有数据集必须具有相同的探针。


参数：proto
Names of prototypes (e.g. their EntrezGene ID).  
原型的名称（例如，他们EntrezGene ID）。


参数：method
Estimator for correlation coefficient, can be either pearson or spearman.  
相关系数的估计，可以任pearson或spearman。


值----------Value----------


参数：cor
Matrix of meta-estimate of correlation coefficients with probes in rows and prototypes in columns.
行和列中的原型探针的相关系数矩阵元估计。


参数：cor.n
Number of samples used to compute meta-estimate of correlation coefficients.
元估计的相关系数来计算的样本数。


作者（S）----------Author(s)----------



Benjamin Haibe-Kains




参见----------See Also----------

map.datasets
map.datasets


举例----------Examples----------


## load VDX dataset[＃加载VDX的数据集]
data(vdxs)
## load NKI dataset[＃负载NKI日经指数集]
data(nkis)
## reduce datasets[＃减少数据集]
ginter <- intersect(annot.vdxs[ ,"EntrezGene.ID"], annot.nkis[ ,"EntrezGene.ID"])
ginter <- ginter[!is.na(ginter)][1:30]
myx <- unique(c(match(ginter, annot.vdxs[ ,"EntrezGene.ID"]),
  sample(x=1:nrow(annot.vdxs), size=20)))
data2.vdxs <- data.vdxs[ ,myx]
annot2.vdxs <- annot.vdxs[myx, ]
myx <- unique(c(match(ginter, annot.nkis[ ,"EntrezGene.ID"]),
  sample(x=1:nrow(annot.nkis), size=20)))
data2.nkis <- data.nkis[ ,myx]
annot2.nkis <- annot.nkis[myx, ]
## mapping of datasets[＃数据集的映射]
datas <- list("VDX"=data2.vdxs,"NKI"=data2.nkis)
annots <- list("VDX"=annot2.vdxs, "NKI"=annot2.nkis)
datas.mapped <- map.datasets(datas=datas, annots=annots, do.mapping=TRUE)
## define some prototypes[＃定义一些原型]
protos <- paste("geneid", ginter[1:3], sep=".")
## compute meta-estimate of correlation coefficients to the three prototype genes[＃元计算相关系数估计的三个原型基因]
probecor <- compute.proto.cor.meta(datas=datas.mapped$datas, proto=protos,
  method="pearson")
str(probecor)

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。