R语言 AffyExpress包 interaction.result2html()函数中文帮助文档(中英文对照)

loveR

interaction.result2html(AffyExpress)
interaction.result2html()所属R语言包：AffyExpress

                                        output differentially expressed genes for the interaction model to a HTML file
                                         输出差异表达的基因互动模式到一个HTML文件

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

output differentially expressed genes for the interaction model to a HTML file. It contais the following columns:  ProbeID, Symbol, Description, GenBank,  LocusLink, Log2ratio for each stratum, p value for each stratum, and  interaction p value.
输出的差异表达基因为一个HTML文件的交互模型。它contais以下几列：符号，ProbeID，描述，GenBank中，LocusLink，各阶层Log2ratio，各阶层的价值，互动的p值。


用法----------Usage----------


interaction.result2html(cdf.name, result, inter.result,filename="inter_result")



参数----------Arguments----------

参数：cdf.name
cdf name which can be obtained from annotation function
CDF名称可从注释功能


参数：result
a list of data frame returned from post.interaction function
数据框列表返回post.interaction功能


参数：inter.result
a data frame returned from select.sig.gene function,  this is the result based on testing the interaction effect.
select.sig.gene函数返回一个数据框，这是基于测试的互动效应的结果。


参数：filename
the name of the output file
输出文件的名称


作者（S）----------Author(s)----------


Xiwei Wu <a href="mailto:xwu@coh.org">xwu@coh.org</a>, Xuejun Arthur Li <a href="mailto:xueli@coh.org">xueli@coh.org</a>



举例----------Examples----------


data(testData)
normaldata<-pre.process("rma",testData)

## Create design matrix for interaction effect between "group"[＃创建为“本集团”之间的互动效应的设计矩阵]
## and "gender"[＃和“性别”]
design.int<-make.design(pData(normaldata), c("group", "gender"), int=c(1,2))

## Create the interaction contrast[＃创建互动的对比。]
contrast.int<-make.contrast(design.int, interaction=TRUE)

## Run Regression to detect interaction effect[＃运行回归检测相互作用的影响]
result.int<-regress(normaldata, design.int, contrast.int, "L")

## Select differentally expressed genes based on p.value[＃选择基于对p.value differentally基因表达]
select.int<-select.sig.gene(result.int, p.value=0.05)

## Identify genes with the interaction effect[＃确定基因与互动效应]
sig.ID<-select.int$ID[select.int$significant==TRUE]
sig.index<-match(sig.ID, rownames(exprs(normaldata)))

## Create separate tables for each level of effect modifier[＃创建单独的表中每一级效果修饰]
result<-post.interaction("group","M", "F", design.int, normaldata[sig.index,],
  "L","none", 0.05, log2(1.5))

## Output significant result for the interaction model[＃输出的交互模型的显着结果]
interaction.result2html(annotation(normaldata), result, result.int, filename="interaction")

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。