R语言 BAC包 BAC()函数中文帮助文档(中英文对照)

loveR

BAC(BAC)
BAC()所属R语言包：BAC

                                        Bayesian Analysis of ChIP-chip tiling arrays
                                         平铺阵列芯片的芯片的Bayes分析

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Bayesian Analysis of ChIP-chip tiling arrays
平铺阵列芯片的芯片的Bayes分析


用法----------Usage----------


BAC(C, I, B=15000,verbose=FALSE,w=5)



参数----------Arguments----------

参数：C
The matrix of control measurements. Rows correspond to probes and columns to samples.
矩阵控制测量。行对应探针和样品列。


参数：I
The matrix of IP measurements. Rows correspond to probes and columns to samples.
知识产权测量矩阵。行对应探针和样品列。


参数：B
Number of iterations used the MCMC. Default to 15000.
迭代次数的MCMC。默认为15000。


参数：verbose
Logical parameter. If TRUE, some progression  
逻辑参数。如果为TRUE，一些进展


参数：w
The window size. Default to 5. See details below for more about this parameter.
窗口的大小。默认为5。此参数详见下文。


Details

详情----------Details----------

The window size should be calculated in function of the resolution and the shearing resolution.  For example, for Affymetrix human tiling arrays, the shearing resolution is 500-1000bps, the tiling resolution is 35bps and the probe length is 25bps.  Then one would expect a bound region to contain 500-1000/(35+25)~8-16 probes. Thus we decided to set w to 5. Note that the exact value of w is not crucial.
窗口的大小，应计算在该决议和决议剪切功能。例如，Affymetrix公司人类平铺阵列，剪切分辨率为500-1000bps的，瓦片决议是35bps和探针的长度是25个基点。然后，人们会期望绑定的区域，包含500-1000 /（35 +25）~8-16探针。因此，我们决定成立W至5。请注意w的精确值并不重要。


值----------Value----------

The marginal posterior probabilities and the joint posterior probabilities computed from the Bayesian hierarchical model.  We recommend using the joint posterior probabilities to call enriched regions.
从分层贝叶斯模型的边际后验概率和联合后验概率计算。我们建议使用联合后验概率调用丰富的区域。


作者（S）----------Author(s)----------



Raphael Gottardo, <a href="mailto:raph@stat.ubc.ca">raph@stat.ubc.ca</a>




参见----------See Also----------

CallRegions
CallRegions


举例----------Examples----------


# Load the data[加载数据]
data(ER)
# Only select the first 5000 probes for speed-up[唯一的选择速度的第5000探针]
ER<-ER[1:5000,]
# Calculate the joint posterior probabilities[计算的联合后验概率]
#Only use 100 iterations for speed up (You should use more! See default value) [只使用速度可达100次迭代（你应该使用更多的默认值！）]
BAConER<-BAC(ER[,5:7], ER[,2:4], B=100,verbose=FALSE,w=5)
# For Regions using 0.5 cut-off for the joint posterior probabilities[区域联合后验概率为0.5截止]
ERregions<-CallRegions(ER[,1],BAConER$jointPP,cutoff=0.5,maxGap=500)
# Create the BED file[创建床上文件]
nRegions<-max(ERregions)
BED<-matrix(0,nRegions,4)
for(i in 1:nRegions)
{
BED[i,2:3]<-range(ER[ERregions==i,1])
#The score should be between 0 and 1000[比分应该是介于0和1000]
BED[i,4]<-max(BAConER$jointPP[ERregions==i])*1000
}
BED<-data.frame(BED)
# The ER data is a subset of chr 21[ER数据是CHR 21的一个子集]
BED[,1]<-"chr21"
names(BED)<-c("chrom","chromStart","chromEnd","Score")
# print it[打印]
print(BED)

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。