irwsva.build(sva)
irwsva.build()所属R语言包：sva
Build surrogate variables with an iterative algorithm from gene expression and model data
建立从基因表达和模型数据与迭代算法的替代变量
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Construct a specified number of surrogate variables from a gene expression data set and a fixed model.
建立一个从基因表达数据集和一个固定的模式的替代变量的指定数目。
用法----------Usage----------
irwsva.build(dat, mod, mod0=NULL,n.sv,B=5)
参数----------Arguments----------
参数：dat
A m genes by n arrays matrix of expression data
由n阵列基因表达数据矩阵A M基因
参数：mod
A n by k model matrix corresponding to the primary model fit (see model.matrix)
K型矩阵对应的主模型拟合A N（见model.matrix）的
参数：mod0
A n by k0 model matrix corresponding to the null model to be compared to mod.
一个n到K0模型矩阵对应的空模型进行比较，以国防部。
参数：n.sv
The number of surrogate variables to construct.
代理变量的数目。
参数：B
The number of iterations of the algorithm to perform.
算法执行的迭代数。
Details
详情----------Details----------
The IRW-SVA estimation algorithm is described in Leek and Storey (2008).The basic idea is to estimate surrogate variables based on the subset of rows affected by unmodeled dependence, but not affected by the main variable parameterized in mod.
韭菜和层高（2008年）的的IRW广电估计算法描述。其基本思路是未建模依赖影响的行的子集的基础上估算替代变量，但不是主要的变量在国防部参数的影响。
值----------Value----------
A list containing:
一份列表，列出：
参数：sv
A n by n.sv matrix where each column is a distinct surrogate variable (the main quantity of interest)
A N n.sv矩阵，其中每一列是一个独特的代理变量（利益主体的数量）
参数：pprob.gam
A vector with the posterior probability estimates that each row is affected by dependence.
后验概率向量估计，每行所依赖的影响。
参数：pprob.b
A vector with the posterior probabiliity estimates that each row is affected by the variables in mod, but not in mod0.
矢量与后probabiliity的估计，每行由国防部，但没有在MOD0的变量的影响。
参数：n.sv
The number of suggorate variables estimated.
suggorate变量的估计数。
作者（S）----------Author(s)----------
Jeffrey T. Leek <a href="mailto:jleek@jhsph.edu">jleek@jhsph.edu</a>, John Storey <a href="mailto:jstorey@princeton.edu">jstorey@princeton.edu</a>
参考文献----------References----------
dependence. Proceedings of the National Academy of Sciences, 105: 18718-18723. http://www.biostat.jhsph.edu/~jleek/publications.html
studies by surrogate variable analysis. PLoS Genetics, 3: e161. http://www.biostat.jhsph.edu/~jleek/publications.html
参见----------See Also----------
sva, num.sv, twostepsva.build, ComBat
sva，num.sv，twostepsva.build，ComBat
举例----------Examples----------
## Not run: [＃无法运行：]
## Load data[＃将数据]
library(bladderbatch)
data(bladderdata)
## Obtain phenotypic data[＃获取表型数据。]
pheno = pData(bladderEset)
edata = exprs(bladderEset)
batch = pheno$batch
mod = model.matrix(~as.factor(cancer), data=pheno)
## Construct the surrogate variables [＃构建的代理变量]
svaobj <- irwsva.build(edata,mod,mod0,n.sv=1)
## Include them in a downstream analysis[＃包括在下游的分析]
mod.sv <- cbind(mod,svaobj$sv)
mod0.sv <- cbind(mod0,svaobj$sv)
adjusted.pvals <- f.pvalue(edata,mod.sv,mod0.sv)
## 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。
|
发表于 2012-2-26 15:21:34
