R语言 PatientGeneSets包 cma.scores()函数中文帮助文档(中英文对照)

loveR

cma.scores(PatientGeneSets)
cma.scores()所属R语言包：PatientGeneSets

                                        Cancer Mutation Prevalence Analysis Scores
                                         癌症的突变率分析成绩

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes Gene-specific Scores for Cancer Mutation Prevalence Analysis.
计算基因的具体比分为癌症的突变率分析。


用法----------Usage----------


cma.scores(cma.data,
           passenger.rates = t(data.frame(0.55*rep(1.0e-6,25))),
           number.genes,
           compute.poisson.BF=FALSE,
           compute.binomial.posterior=FALSE,
           allow.separate.rates = TRUE,
           filter.above=0,
           filter.below=0,
           filter.threshold=0,
           filter.mutations=0,
           aa=1e-10,
           bb=1e-10,
           priorH0=1-300/13020,
           prior.a0=100,
           prior.a1=5,



参数----------Arguments----------

参数：cma.data
Data frame with mutation information broken down by gene, phase and mutation type. See WoodMutationsBreast for an example.  
数据框的基因，相位和突变类型划分的突变信息。看到WoodMutationsBreast的一个例子。


参数：passenger.rates
Data frame of passenger mutation rates per nucleotide, by type, or "context". Columns denote types and must be in the same order as the first 25 columns in cma.data objects. If two rows are present, they must have row names "Discovery" and "Validation"
数据框的乘客每核苷酸突变率，类型，或“背景”。列表示的类型，而且必须是在相同的顺序为第25列cma.data对象。如果两行存在，他们必须有行名的“发现”号和“验证”


参数：number.genes
The total number of genes analyzed, including those for whom no mutation were found.
总数的基因分析，包括那些人没有发现突变。


参数：compute.poisson.BF
If TRUE, computes Bayes Factors (BF) using a Poisson model for mutation counts and a gamma priors on rates.
如果是TRUE，计算贝叶斯因子（BF）的使用一个突变的数量和价格伽玛先验的泊松模型。


参数：compute.binomial.posterior
If TRUE, computes the posterior probability that a gene's  mutation rates above the specified passenger rates using a binomial model.
如果是TRUE，上面指定的载客率的一个基因的突变率采用二项式模型计算后验概率。


参数：allow.separate.rates
If TRUE, allows for use separate rates for discovery and validation screens.
如果为TRUE，允许使用的发现和验证屏幕的单独税率。


参数：filter.threshold
This and the following three input control filtering of genes, allowing to exclude genes from analysis, by size and number of mutations. Different criteria can be set above and below this threshold. The threshold is a gene size in base pairs.
这与以下三个输入控制过滤的基因，使基因突变的大小和数量，从分析中排除。可以设置不同的标准以上，低于这个阈值。阈值是一个碱基对的基因大小。


参数：filter.above
Minimum number of mutations per Mb, applied to genes of size greater than threshold.size.
大小比threshold.size的基因突变，每MB的最低数量。


参数：filter.below
Minimum number of mutations per Mb, applied to genes of size lower than threshold.size.
大小比threshold.size基因突变，每MB的最低数量。


参数：filter.mutations
Only consider genes whose total number of mutations is greater than or equal to filter.mutations.   
只考虑基因的突变，其总数量大于或等于filter.mutations。


参数：aa
Hyperparameter of beta prior used in compute.binomial.posterior.
的βhyperparameter前在compute.binomial.posterior使用。


参数：bb
Hyperparameter of beta prior used in compute.binomial.posterior
的βhyperparameter前使用在compute.binomial.posterior


参数：priorH0
Prior probability of the null hypothesis, used to convert the BF in compute.poisson.BF to a posterior probability
零假设的先验概率，用于转换在compute.poisson.BF高炉后验概率


参数：prior.a0
Shape hyperparameter of gamma prior on passenger rates used in compute.poisson.BF
伽马之前在compute.poisson.BF用于载客率的形状hyperparameter


参数：prior.a1
Shape hyperparameter of gamma prior on non-passenger rates used in compute.poisson.BF
包括形状hyperparameter伽马之前在compute.poisson.BF使用非载客率


参数：prior.fold
Hyperparameter of gamma prior  on non-passenger rates used compute.poisson.BF. The mean of the gamma is set so that the ratio of the mean to the passenger rate is the specified prior.fold in each type.
前伽玛hyperparameter的使用compute.poisson.BF非载客率。平均伽玛设置，使乘客率平均比例是指定prior.fold在每个类型。


Details

详情----------Details----------

The scores computed by this function are relevant for two stage experiments like the one in the Sjoeblom article. In this design genes are sequenced in a first "discovery" sample. Genes in which mutations are found are also sequenced in a subsequent "validation" screen. The goal of this tool is to facilitate reanalysis of the Sjoeblom dataset. Application to other projects requires a detailed understanding of the Sjoeblom project.
由这个函数计算的分数是两个阶段的实验，像一个在Sjoeblom文章有关。在本设计中的基因序列中的第一个“发现”样本。在随后的“验证”屏幕上的突变被发现的基因测序。这个工具的目标是再分析促进的Sjoeblom集。在其他项目中的应用，需要详细了解的Sjoeblom项目。


值----------Value----------

A data frame giving gene-by-gene values for each score. The columns in this data frame are:
一个数据框给每个得分的基因，通过基因值。在这个数据框中的列是：


参数：CaMP
The CaMP score of Sjoeblom and colleagues.
营的Sjoeblom和他的同事得分。


参数：neglogPg
The negative log10 of Pg, where Pg represents the probability that a gene has its exact observed mutation profile under the null, i.e. assuming the given passenger rates.
PG，PG代表一个基因都有其确切的观察突变的文件，空下，即假设给定的载客率的概率负LOG10。


参数：logLRT
The log10 of the likelihood ratio test (LRT).
似然比检验（LRT）LOG10。


参数：logitBinomialPosteriorDriver
logit of the posterior probability that a gene's  mutation rates above the specified passenger rates using a binomial model
上面指定的载客率的一个基因的突变率采用二项式模型的后验概率的Logit


参数：PoissonlogBF
The log10 of the Bayes Factor (BF) using a Poisson-Gamma model.
贝叶斯因子（BF）LOG10使用一个Poisson-Gamma模型。


参数：PoissonPosterior
The posterior probability that a given gene is a driver, using a Poisson-Gamma model.
一个给定的基因是一个驱动程序，使用一个Poisson-Gamma模型的后验概率。


参数：Poissonlmlik0
Marginal likelihood under the null hypothesis in the Poisson-Gamma model
在零假设下的Poisson-Gamma模型的边际可能性


参数：Poissonlmlik1
Marginal likelihood under the alternative  hypothesis in the Poisson-Gamma model
边际替代假说的可能性下的Poisson-Gamma模型


作者（S）----------Author(s)----------


Giovanni Parmigiani, Simina M. Boca



参考文献----------References----------

Velculescu VE, Vogelstein B. Statistical methods for the analysis of cancer genome sequencing data.  http://www.bepress.com/jhubiostat/paper126/
Carter H, Siu I, et al.  An Integrated Genomic Analysis of Human Glioblastoma Multiforme.  Science. DOI: 10.1126/science.1164382
Mandelker D, Leary R, Ptak J, Silliman N, et al.  The consensus coding sequences of breast and colorectal cancers. Science. DOI: 10.1126/science.1133427
Boca SM, Barber T, Ptak J, et al. The Genomic Landscapes of Human Breast and Colorectal Cancer. Science. DOI: 10.1126/science.1145720

参见----------See Also----------

MutationsBrain,  GeneSizes08,
MutationsBrain，GeneSizes08


举例----------Examples----------


## Not run:  data(Parsons)[＃不运行：数据（帕森斯）]
ScoresBrain <- cma.scores(cma.data=MutationsBrain,
                          number.genes=nrow(GeneSizes08))

## End(Not run)[＃结束（不运行）]

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。