R语言 affypdnn包 generateExprVal.method.pdnn()函数中文帮助文档(中英文对照)

loveR

generateExprVal.method.pdnn(affypdnn)
generateExprVal.method.pdnn()所属R语言包：affypdnn

                                        Compute PM correction and summary expression value
                                         计算时修正和总结的表达值

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes PM correction and summary expression value with PDNN method.
计算时修正和总结表达PDNN方法。


用法----------Usage----------


pmcorrect.pdnn(object, params, gene=NULL, gene.i=NULL,
               params.chiptype=NULL, outlierlim=3, callingFromExpresso=FALSE)
pmcorrect.pdnnpredict(object, params, gene=NULL, gene.i=NULL,
               params.chiptype=NULL, outlierlim=3, callingFromExpresso=FALSE)
generateExprVal.method.pdnn(probes, params)



参数----------Arguments----------

参数：object
object of ProbeSet.
对象ProbeSet。


参数：probes
matrix of PM-corrected signals (should be coming out of pmcorrect.pdnn).
下午纠正信号矩阵（应该出来pmcorrect.pdnn）。


参数：params
experiments specific parameters.
实验的具体参数。


参数：gene
gene (probe set) ID (from wich the gene.i would be derived).
基因探针组ID（wichgene.i会得到）。


参数：gene.i
gene index (see details).
基因指数（见详情）。


参数：params.chiptype
chip-specific parameters.
芯片的具体参数。


参数：outlierlim
threshold for tagging a probe as an outlier.
探针标记为离群值的阈值。


参数：callingFromExpresso
is the function called through expresso. DO NOT play with that.
是通过EXPRESSO调用的函数。不玩。


Details

详情----------Details----------

Only one of gene, gene.i should be specified. For most the users, this is gene. pmcorrect.pdnn and pmcorrect.pdnnpredict return what is called GSB and GSB + NSB + B in the paper by Zhang Li and collaborators.
只gene之一，gene.i应指定。对于大多数的用户，这是gene。 pmcorrect.pdnn和pmcorrect.pdnnpredict返回什么是所谓的商学院和商学院的文件+国安局+ B的张黎和合作者。


值----------Value----------

pmcorrect.pdnn and pmcorrect.pdnnpredict return a matrix (one row per probe, one column per chip) with attributes attached. generateExprVal returns a list:
pmcorrect.pdnn和pmcorrect.pdnnpredict返回一个附加的属性矩阵（每个探针的一排，每块芯片的一列）。 generateExprVal返回一个list：


参数：exprs
expression values
表达式的值


参数：se.exprs
se expr. val.
SE expr的。 VAL。


参见----------See Also----------

pdnn.params.chiptype
pdnn.params.chiptype


举例----------Examples----------


data(hgu95av2.pdnn.params)
library(affydata)
data(Dilution)

## only one CEL to go faster[＃只有1CEL走得更快]
abatch <- Dilution[, 1]

## get the chip specific parameters[＃芯片的具体参数。]
params <- find.params.pdnn(abatch, hgu95av2.pdnn.params)

## The thrill part: do we get like in the Figure 1-a of the reference ?[＃快感的一部分：我们在图像1的参考？]
par(mfrow=c(2,2))
##ppset.name &lt;- sample(featureNames(abatch), 2)[＃ppset.name < - 样本（featureNames（abatch），2）]
ppset.name <- c("41206_r_at", "31620_at")
ppset <- probeset(abatch, ppset.name)
for (i in 1:2) {
  ##ppset[[i]] &lt;- transform(ppset[[i]], fun=log) # take the log as they do[[[I] < - ＃ppset变换（ppset [我]，有趣的log）＃log，因为他们做]
  probes.pdnn <- pmcorrect.pdnnpredict(ppset[[i]], params,
                                       params.chiptype=hgu95av2.pdnn.params)
  ##probes.pdnn &lt;- log(probes.pdnn)[＃probes.pdnn < - log（probes.pdnn）]
  plot(ppset[[i]], main=paste(ppset.name[i], "\n(raw intensities)"))
  matplotProbesPDNN(probes.pdnn, main=paste(ppset.name[i], "\n(predicted intensities)"))
}

## pick the 50 first probeset IDs[＃挑选50首probeset标识]
## (to go faster)[＃（走得更快）]
ids <- featureNames(abatch)[1:100]

## compute the expression set (object of class 'ExpressionSet')[＃计算表达式集（类的ExpressionSet“对象）]
eset <- computeExprSet(abatch, pmcorrect.method="pdnn",
                       summary.method="pdnn", ids=ids,
                       summary.param = list(params, params.chiptype=hgu95av2.pdnn.params))


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。