R语言 GRENITS包 NonLinearNet()函数中文帮助文档(中英文对照)

loveR

NonLinearNet(GRENITS)
NonLinearNet()所属R语言包：GRENITS

                                        Dynamic Bayesian Network Inference Using Non-Linear Interactions
                                         使用非线性相互作用的动态贝叶斯网络推理

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Run Bayesian inference of non-linear interaction network. Non linear interactions are modelled using  Penalised Splines. The function generates MCMC chains that can later be analysed.
非线性相互作用网络运行的贝叶斯推断。使用Penalised样条非线性相互作用模型。函数生成的MCMC链，可以在以后进行分析。


用法----------Usage----------


NonLinearNet( resultsFolder,        timeSeries,   ParamVec = NULL,
                 chains = 2, user.seeds = NULL, Regulators = NULL,      
               fixMe = NULL)



参数----------Arguments----------

参数：resultsFolder
Name of output folder. The folder will be created and the output of the run will be placed there.
输出文件夹的名称。该文件夹将创建和运行的输出将被放置在那里。


参数：timeSeries
Data matrix containing gene expression time series. Where genes will be placed in rows  and time points in columns. Gene names may be included as row names.
含有基因表达的时间序列数据矩阵。基因将被放置行和列的时间点。基因名称可能被列为行名称。


参数：ParamVec
A parameter vector created using "mcmc.defaultParams_nonLinear". If none is given,  default parameters will be used. The vector contains parameters associated to the priors as well as MCMC run length. (See mcmc.defaultParams_nonLinear)
创建一个参数向量使用“mcmc.defaultParams_nonLinear”。如果没有给出，默认参数将被使用。矢量包含相关的先验以及MCMC稳态运行长度的参数。 （见mcmc.defaultParams_nonLinear）


参数：chains
Number of MCMC chains to run.
MCMC方法链运行的数量。


参数：user.seeds
An optional vector with seeds to use for MCMC chains.
一个可选的向量，与种子使用的MCMC链。


参数：Regulators
An optional vector with the indices of which genes are regulators. If provided, all non-regulator genes will not be allowed to regulate.
哪些基因是监管与指数的一个可选的向量。如果提供的话，将不会被允许所有非调节基因的调节。


参数：fixMe
An optional matrix of size genes x genes, where columns represent regulators and  rows regulated genes. The matrix informs the model of network connections known to be present/absent. For each position use either 0 (no regulation, fix off), 1 (known regulatory interaction, fix on)  or NaN (no information, do not fix).
可选的大小基因矩阵X基因，列代表监管和调控的基因行。矩阵通知已知出席/缺席的网络连接模式。每个位置使用的是0（没有监管，解决关闭），1（已知的监管互动，修复）或NaN（没有信息，不固定）。


值----------Value----------

For each chain run, a folder (chain1, chain2, ...) will be created and the output of the MCMC run will be placed there. The files will be Gamma_mcmc (the indicator variables of Gibbs variable selection),  Lambda_mcmc (the precision of each regression), Mu_mcmc (the intercept of each regression),  Rho_mcmc (the network connectivity parameter), Tau_mcmc (the "smoothness parameter"), all_f (posterior mean of all functions), all_f_sqr (posterior mean of the square of all functions) and Full_F_sqr (posterior  mean of the square of the sum of all functions, for each regression).  For the files all_f and all_f_sqr functions are placed in column-wise order. The file is filled by  placing all interactions for each regression one after another.
对于每一个链的运行，一个文件夹（chain1 1，chain2，...）将创建和输出的MCMC运行将放在那里。该文件将被Gamma_mcmc（吉布斯变量选择的指标变量），Lambda_mcmc（每个回归的精度），Mu_mcmc（每个回归截距），Rho_mcmc（网络连接参数），Tau_mcmc（“平滑参数”） ：all_f（所有功能后的平均值），all_f_sqr（所有功能的平方后的平均值）和Full_F_sqr（后平均每个回归的所有功能的总和的平方）。的文件被放置在all_f和all_f_sqr功能列明智的顺序。该文件将陆续为每个回归一所有交互填充。


参考文献----------References----------

topology of a nonlinear sparse gene regulatory network using fully Bayesian spline autoregression Biostatistics 2011; doi: 10.1093/biostatistics/kxr009

参见----------See Also----------

mcmc.defaultParams_nonLinear, analyse.output.
mcmc.defaultParams_nonLinear, analyse.output。


举例----------Examples----------


  # Synthetic data[综合数据]
  data(Athaliana_ODE)
  # Reduced data set to 3 genes 20 TP for faster run[更快的运行，减少数据设置为3个基因20的TP]
  Athaliana_ODE.reduced <- Athaliana_ODE[c(1,3,5),1:20]
  # Folder where raw runs will be kept and later analysed[原料运行文件夹将被保留，后来分析]
  output.folder <- paste(tempdir(), "/ExampleNonLinearNet", sep = "")
  # Run network inference and place raw results in output.folder[运行网络推理，并放置在原始结果output.folder]
  NonLinearNet(output.folder , Athaliana_ODE.reduced)
  # Analyse raw results, place analysis plots and files in output.folder[分析原料的结果，地方分析图和文件，在output.folder]
  analyse.output(output.folder, Athaliana_ODE.reduced)

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。