iSeq2(iSeq)
iSeq2()所属R语言包：iSeq
Bayesian hierarchical modeling of ChIP-seq data through hidden Ising models
芯片SEQ数据通过隐藏伊辛模型的贝叶斯层次建模
译者：生物统计家园网 机器人LoveR
描述----------Description----------
iSeq2 implements the method that models the bin-based tag counts using Poisson-Gamma distribution and the hidden states of the bins using a hidden high-order Ising model.
iSeq2实现的方法，模型的bin基于标记计数使用泊松Gamma分布和使用一个隐藏的高阶伊辛模型箱隐藏状态。
用法----------Usage----------
iSeq2(Y,gap=300,burnin=500,sampling=2000,winsize=2,ctcut=0.95,
a0=1,b0=1,a1=5,b1=1,k=3,verbose=FALSE)
参数----------Arguments----------
参数：Y
Y should be a data frame containing the first 4 columns of the data frame returned by function 'mergetag()'. The columns 1-4 of Y are chromosome IDs, start positions of the bins, end positions of the bins, tag counts in the bins. For one-sample analysis, the tag counts can be the number of forward and reverse tags falling in the bins. For two-sample analysis, tag counts are the adjusted counts of ChIP samples, which are obtained by subtracting the control tag counts from corresponding ChIP tag counts for each bin. If the user provides his/her own Y, Y must be firstly sorted by the chromosome ID, then by the start position, and then by the end position.
Y应是一个包含函数的mergetag（）返回的数据框的第4列的数据框。 1-4列的Y染色体标识，垃圾箱的起始位置，结束位置的垃圾箱，在垃圾箱的标记计数。标记计数为一个样品的分析，可以是正向和反向标签的垃圾箱下降。两样本分析，标签计数调整计数芯片的样品，这是获得减去相应的芯片标记计数为每个垃圾桶的控制标记计数。如果用户提供他/她自己的Ÿ，Y必须首先排序由染色体ID，然后由起始位置，然后由末端位置。
参数：gap
gap is the average length of the sequenced DNA fragments. If the distance between two nearest bins is greater than 'gap', a bin with 0 tag count is inserted into the two neighboring bins for modeling.
差距是测序的DNA片段的平均长度。如果两个最近的垃圾桶之间的距离是大于“差距”，0标签计数的垃圾桶被插入到两个邻近的建模箱。
参数：burnin
The number of MCMC burn-in iterations.
烧在迭代的MCMC方法。
参数：sampling
The number of MCMC sampling iterations. The posterior probability of enriched and non-enriched state is calculated based on the samples generated in the sampling period.
的MCMC采样迭代。在抽样期间产生的样品富集和非富集状态的后验概率计算。
参数：winsize
The parameter to control the order of interactions between genomic regions. For example, winsize = 2, means that genomic region i interacts with regions i-2,i-1,i+1 and i+2. A balance between high sensitivity and low FDR could be achieved by setting winsize = 2.
参数控制的基因组区域之间的相互作用的顺序。例如，winsize = 2，意味着我与区域相互作用的i-2，I-1，i +1和I +2，基因组区域。设置winsize = 2，可以实现高灵敏度和低FDR之间的平衡。
参数：ctcut
A value used to set the initial state for each genomic bin. If tag count of a bin is greater than quantile(Y[,4],probs=ctcut), its state will be set to 1, otherwise -1. For typical ChIP-seq data, because the major regions are non-enriched, a good value for ctcut could be in the interval (0.9, 0.99).
A值用于设置初始状态，每个基因组的bin。如果一个垃圾桶标签数比位数（y [4]，probs = ctcut），其状态将被设置为1，否则返回-1。对于典型芯片SEQ数据，因为主要区域的非浓缩铀，可能是一个良好的价值ctcut的时间间隔（0.9，0.99）。
参数：a0
The scale hyper-parameter of the Gamma prior, alpha0.
规模超参数的伽玛前，alpha0。
参数：b0
The rate hyper-parameter of the Gamma prior, beta0.
率超参数的伽玛前，beta0。
参数：a1
The scale hyper-parameter of the Gamma prior, alpha1.
规模超参数的伽玛前，α1。
参数：b1
The rate hyper-parameter of the Gamma prior, beta1.
率超参数的伽玛前，β1。
参数：k
The parameter used to control the strength of interaction between neighboring bins, which must be a positive value (k>0). The larger the value of k, the stronger iterations between neighboring bins. The value for k may not be too small (e.g. < 1.0). Otherwise, the Ising system may not be able to reach a super-paramagnetic state.
该参数用于控制邻近箱强度之间的互动，它必须是一个正值（K> 0）。 K，相邻箱之间较强的迭代值越大。 k值可能不会太小（如<1.0）。否则，伊辛系统未必能达到超顺磁性状态。
参数：verbose
A logical variable. If TRUE, the number of completed MCMC iterations is reported.
逻辑变量。如果是TRUE，据悉完成的MCMC迭代。
值----------Value----------
A list with the following elements.
以下内容的列表。
参数：pp
The posterior probabilities of the bins in the enriched state.
在富氧状态的垃圾箱后验概率。
参数：lambda0
The posterior samples of the model parameter lambda0
后部模型参数lambda0的样品
参数：lambda1
The posterior samples of the model parameter lambda1.
后样品的模型参数lambda1的。
作者（S）----------Author(s)----------
Qianxing Mo <a href="mailto:moq@mskcc.org">moq@mskcc.org</a>
参考文献----------References----------
a high-order Ising model. Biometrics, 66(4), 1284-94.
data analysis. Biostatistics, Advance Access published September 13, 2011. doi:10.1093/biostatistics/kxr029
参见----------See Also----------
iSeq1, peakreg,mergetag,plotreg
iSeq1，peakreg，mergetag，plotreg
举例----------Examples----------
data(nrsf)
chip = rbind(nrsf$chipFC1592,nrsf$chipFC1862,nrsf$chipFC2002)
mock = rbind(nrsf$mockFC1592,nrsf$mockFC1862,nrsf$mockFC2002)
tagct = mergetag(chip=chip,control=mock,maxlen=80,minlen=10,ntagcut=10)
tagct22 = tagct[tagct[,1]=="chr22",]
res2 = iSeq2(Y=tagct22[,1:4],gap=200, burnin=100,sampling=500,winsize=2,ctcut=0.95,
a0=1,b0=1,a1=5,b1=1,k=1.0,verbose=FALSE)
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。
|
发表于 2012-2-25 22:34:33
