R语言 MBCluster.Seq包 Hybrid.Tree()函数中文帮助文档(中英文对照)

loveR

Hybrid.Tree(MBCluster.Seq)
Hybrid.Tree()所属R语言包：MBCluster.Seq

                                         Do hybrid-hierarchical clustering for RNA-seq data
                                         做RNA-Seq数据的混合分层聚类

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The hybrid-hierarchical clustering starts from an initial partition of the objects, and merges the small clusters gradually into one tree structure
混合分层聚类分割的对象从最初的开始，并合并成一个树状结构的小聚类逐步


用法----------Usage----------


Hybrid.Tree(data, cluster0, model = "nbinom")



参数----------Arguments----------

参数：data
RAN-seq data standardized by RNASeq.Data()
RAN-Seq数据标准化由RNASeq.Data（）


参数：cluster0
A partition of the objects, should be a vector with values ranging from 1 to K0, where K0 is the number of small clusters at the bottom of the hierarchical structure.  
一个分区的对象，应该是一个向量，其值的范围从1到K0，其中K0是小聚类的分层结构的底部的数目。


参数：model
The probability models to calculated the distance between to merged clusters
的概率模型来计算的距离之间的合并后的簇


值----------Value----------

a table is returned to keep the information of the tree structure. The table has K rows and 2 columns, where K is the maximum level of the tree, and each row shows the two node being merged in each step
一个表被返回，以保持信息的树结构。该表具有K行和第2列，其中，K是树中的最大电平，并且每行示出了在每个步骤中被合并的两个节点


实例----------Examples----------


###### run the following codes in order[＃＃＃＃＃运行下面的代码，以]
#[]
# data("Count")     ## a sample data set with RNA-seq expressions [数据（“计数”）＃＃的样本数据集与RNA-seq的表达]
#                   ## for 1000 genes, 4 treatment and 2 replicates[＃＃为1000个基因中，有4治疗，2个重复]
# head(Count)[头（计数）]
# GeneID=1:nrow(Count)[GeneID = 1：NROW（计数）]
# Normalizer=rep(1,ncol(Count))[正规化= REP（1 NCOL（计数））]
# Treatment=rep(1:4,2)[治疗= REP（1:4,2）]
# mydata=RNASeq.Data(Count,Normalize=NULL,Treatment,GeneID) [MYDATA = RNASeq.Data（计数，规范化= NULL，治疗，GeneID）]
#                   ## standardized RNA-seq data[＃＃标准化RNA-Seq数据]
# c0=KmeansPlus.RNASeq(mydata,nK=10)$centers[C0 = KmeansPlus.RNASeq（MYDATA，NK = 10）$中心]
#                   ## choose 10 cluster centers to initialize the clustering [＃＃选择10初始化聚类的聚类中心]
# cls=Cluster.RNASeq(data=mydata,model="nbinom",centers=c0,method="EM")$cluster[CLS = MYDATA = Cluster.RNASeq（数据，模型=“nbinom”，中心= C0 =“EM”）$聚类]
#                   ## use EM algorithm to cluster genes[＃＃使用EM算法簇的基因]
# tr=Hybrid.Tree(data=mydata,cluste=cls,model="nbinom")[TR = Hybrid.Tree（数据= MYDATA，cluste = CLS，模型=“nbinom”）]
#                   ## bulild a tree structure for the resulting 10 clusters[＃＃bulild的树结构产生的10组]
# plotHybrid.Tree(merge=tr,cluster=cls,logFC=mydata$logFC,tree.title=NULL)[plotHybrid.Tree（合并= TR，聚类=收市，logFC = MYDATA $ logFC，tree.title = NULL）]
#                   ## plot the tree structure[＃＃图的树状结构]

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。