sva(sva)
sva()所属R语言包：sva
Estimate surrogate variables with an iterative algorithm from gene expression and model data
估计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----------
Estimate surrogate variables are estimated using either the iteratively re-weighted surrogate variable analysis algorithm of Leek and Storey (2008) or the two-step algorithm of Leek and Storey (2007).
估计使用的迭代重新加权代理韭菜变量分析算法和层高（2008）或韭菜层的两步算法（2007）估计的替代变量。
用法----------Usage----------
sva(dat, mod, mod0 = NULL,n.sv=NULL,method=c("irw","two-step"),vfilter=NULL, 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
Optional. The number of surrogate variables to estimate, can be estimated using the num.sv function
可选的。代理变量的数目估计，可以预计使用num.sv功能
参数：method
Choose between the iteratively re-weighted or two-step surrogate variable estimation algorithms.
选择之间的迭代重新加权或两步的替代变量估计算法。
参数：vfilter
The number of most variable genes to use when building SVs, must be between 100 and m
大多数可变区基因，建立状态变量时使用，数量必须是100和m之间
参数：B
The number of iterations of the algorithm to perform.
算法执行的迭代数。
Details
详情----------Details----------
Surrogate variable estimates are formed based on the algorithms in Leek and Storey (2007,2008). Surrogate variables can be included in a significance analysis to reduce dependence and confounding.
代理变量的估计，韭菜和层高（2007,2008）的算法的基础上形成。替代变量可以包含在一个意义分析，以减少依赖和混杂。
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----------
irwsva.build, twostepsva.build, num.sv, ComBat, fsva
irwsva.build，twostepsva.build，num.sv，ComBat，fsva
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$batch
mod = model.matrix(~as.factor(cancer), data=pheno)
mod0 = model.matrix(~1, data=pheno)
## Construct the surrogate variables [＃构建的代理变量]
svaobj <- sva(edata,mod,mod0,method="irw")
## Include them in a downstream analysis[＃包括在下游的分析]
mod.sv <- cbind(mod,svaobj$sv)
mod0.sv <- cbind(mod0,svaobj$sv)
adjusted.pvals <- f.pvalue(dat,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 15:21:47
